helm

helm

全面评估语言模型和文本图像模型的开源框架

HELM是一个开源的评估框架,用于全面分析语言模型和文本到图像模型的性能。该框架提供标准化数据集、统一模型接口和多维度评估指标。HELM不仅关注准确性,还评估效率、偏见和毒性等方面。对于文本到图像模型,HELM涵盖12个关键评估维度,包括图像质量、推理能力和多语言支持。研究人员可借助HELM深入了解模型的优势和潜在风险。

语言模型评估文本生成图像模型HELMHEIMStanford CRFMGithub开源项目

语言模型的整体评估

<img src="https://github.com/stanford-crfm/helm/raw/main/src/helm/benchmark/static/images/helm-logo.png" alt="" width="800"/>

欢迎!crfm-helm Python包包含了斯坦福CRFM开展的语言模型整体评估项目(论文网站)中使用的代码。该包具有以下特点:

  • 以标准格式收集数据集(如NaturalQuestions)
  • 通过统一API访问的模型集合(如GPT-3、MT-NLG、OPT、BLOOM)
  • 超越准确率的多种评估指标(效率、偏见、毒性等)
  • 用于评估稳健性和公平性的扰动集合(如错别字、方言)
  • 用于从数据集构建提示的模块化框架
  • 用于管理账户并提供统一接口访问模型的代理服务器

要开始使用,请参考Read the Docs上的文档了解如何安装和运行该软件包。

文本到图像模型的整体评估

<img src="https://yellow-cdn.veclightyear.com/835a84d5/b1bcf523-62a6-401c-8d4f-b74d86ffd304.png" alt="" width="800"/>

近期在开发文本到图像生成模型方面取得了显著进展,这些模型以文本提示作为输入并生成图像。随着这些模型在实际应用中的广泛使用,迫切需要全面了解它们的能力和风险。然而,现有的评估主要集中在图像-文本对齐和图像质量上。为解决这一局限性,我们引入了一个新的基准测试,即文本到图像模型的整体评估(HEIM)

我们确定了12个在实际模型部署中重要的不同方面,包括:

  • 图像-文本对齐
  • 图像质量
  • 美学
  • 原创性
  • 推理能力
  • 知识
  • 偏见
  • 毒性
  • 公平性
  • 稳健性
  • 多语言能力
  • 效率

通过策划涵盖这些方面的场景,我们使用这个基准测试评估了最先进的文本到图像模型。与之前仅关注对齐和质量的评估不同,HEIM通过在所有方面评估所有模型,显著提高了覆盖面。我们的结果揭示,没有一个模型在所有方面都表现出色,不同模型在不同方面表现出优势。

本仓库包含用于生成网站上的结果论文的代码。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

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
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
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。

下拉加载更多