instruct-eval入门指南 - 评估指令微调语言模型的系统化工具包

RayRay
InstructEvalLLMFlan-T5AlpacaIMPACTGithub开源项目

instruct-eval:评估指令微调语言模型的系统化工具包

instruct-eval是一个用于评估指令微调语言模型(Instruction-tuned Language Models)的开源工具包,由新加坡管理大学的研究人员开发。该工具包旨在提供一个标准化的评估框架,帮助研究人员更好地比较不同指令微调模型的性能。

主要特点

  • 支持多种主流的指令微调模型,如Alpaca、Flan-T5等
  • 包含多个具有挑战性的评估任务,如MMLU、BBH、DROP等
  • 提供简单易用的评估接口,只需几行代码即可完成评估
  • 开源实现,方便研究人员进行二次开发

快速上手

要使用instruct-eval评估模型,只需几个简单步骤:

  1. 安装依赖:
conda create -n instruct-eval python=3.8 -y
conda activate instruct-eval
pip install -r requirements.txt
  1. 下载数据:
mkdir -p data
wget https://people.eecs.berkeley.edu/~hendrycks/data.tar -O data/mmlu.tar
tar -xf data/mmlu.tar -C data && mv data/data data/mmlu
  1. 运行评估:
python main.py mmlu --model_name llama --model_path chavinlo/alpaca-native

就这么简单,您就可以获得模型在MMLU任务上的评估结果了!

支持的模型和任务

instruct-eval支持多种主流的指令微调模型,包括:

  • Alpaca
  • Flan-T5
  • Vicuna
  • ChatGLM
  • 等等

支持的模型

评估任务涵盖多个领域:

  • MMLU:涉及57个学科的考试题
  • BBH:23个具有挑战性的任务
  • DROP:数学问答基准测试
  • HumanEval:164个Python编程问题

通过这些多样化的任务,可以全面评估模型的能力。

结果展示

instruct-eval提供了一个在线排行榜,展示了各个模型在不同任务上的表现。以下是部分结果:

模型MMLUBBHDROPHumanEval
GPT-486.480.9-67.0
ChatGPT70.064.1-48.1
Flan-T5 (XXL)54.543.9--
Vicuna-13B49.737.132.915.2

完整结果请查看排行榜

总结

instruct-eval为研究人员提供了一个强大而易用的工具,用于系统地评估指令微调语言模型。无论您是想比较不同模型的性能,还是评估自己训练的模型,instruct-eval都是一个不错的选择。欢迎访问GitHub仓库了解更多信息,并为这个开源项目做出贡献!

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

下拉加载更多