懂AI
instruct-eval

instruct-eval

指令调优的大型语言模型的评估和比较

InstructEval项目专注于全面评估和比较指令调优的大型语言模型（如Flan-T5和Alpaca），并提供简便的基准测试库和排行榜。该项目支持多种模型和任务，使研究者能够轻松直观地在学术基准（如MMLU和BBH）上比较模型表现。此外，InstructEval发布了用于评估LLM写作能力的IMPACT数据集和安全评估基准Red-Eval，为用户提供多样的测试工具和资源。

InstructEvalLLMFlan-T5AlpacaIMPACTGithub开源项目
访问官网GitHubHugging Face论文文档

项目简介：InstructEval

InstructEval 是一个用于全面评估经过指令微调的大型语言模型的项目。该项目不仅提供了相关评估的论文、模型和排行榜，还包含评估指令微调模型的代码，如 Alpaca 和 Flan-T5。这一框架旨在简化各种任务和模型之间的基准测试过程。

项目背景

近年来，指令微调模型如 Flan-T5 和 Alpaca 吸引了研究人员的注意，因为它们可以在成本较低的情况下近似实现大型语言模型（如 ChatGPT）的性能。然而，评估不同模型在多种未知且具有挑战性的任务上的表现仍然是一个难题。InstructEval 通过提供简单便捷的评价机制来解决这一问题，并支持 HuggingFace Transformers 库中的大多数模型。

支持的模型

  • AutoModelForCausalLM（例如 GPT-2、GPT-J、OPT-IML、BLOOMZ）
  • AutoModelForSeq2SeqLM（例如 Flan-T5、Flan-UL2、TK-Instruct）
  • LlamaForCausalLM（例如 LLaMA、Alpaca、Vicuna）
  • ChatGLM

项目亮点

  1. IQ 测试 LLMs 的新项目：AlgoPuzzleVQA，用于测试语言模型的智力。
  2. 安全再校准：Resta，为语言模型的安全再校准提供了指导。
  3. 安全评估基准：Red-Eval，用于通过多个绕过提示来评估模型的安全性。
  4. 模型改进：Flacuna，通过对 Vicuna-13B 在 Flan 集合上的微调，提升了问题解决能力。
  5. IMPACT 数据集：用于评估写作能力的四个方面：信息性、专业性、论证性和创造性。

评估结果

InstructEval 提供了详细的模型比较结果，包括模型名称、路径、相关论文、模型大小及其在不同基准测试（如 MMLU、BBH、DROP 和 HumanEval）中的表现。排行榜详细列出了各模型在这些测试中的准确率等评估指标。

使用示例

InstructEval 的使用示例展示了如何利用现有的指令微调模型在不同的基准测试（如 MMLU、BBH、DROP 和 HumanEval）上进行评估。例如，为数学、历史、法律、医学等 57 项任务中的题目提供 5-shot 的直接提示，并测量其精准匹配得分。这些例子为用户提供了实际操作指导，便于进行有效评估。

项目设置

InstructEval 支持用户通过简单的步骤开始使用，包括创建虚拟环境、安装依赖以及下载评估所需的数据。这些步骤确保用户能够顺利配置环境并运行评估任务。

总的来说，InstructEval 通过其全面的评估框架和丰富的模型支持，为研究人员和开发者提供了极大的便利，帮助他们深入了解语言模型在各种场景下的表现。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

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
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多