评估基准工具与资源集合 - 实用AI评测指南
Swallow-7b-instruct-v0.1
日本语言数据评估基准
Swallow模型优化日语处理能力，提升多任务表现
Llama-3.1-Swallow-8B-Instruct-v0.1
大语言模型开源项目
基于Llama 3.1的日英双语大语言模型
Meta-Llama-3.1-8B-Instruct-quantized.w4a16
评估基准vLLM
基于LLaMA 3.1的INT4量化指令模型
ToolQA
ToolQA大语言模型
评估工具增强型大语言模型的开源数据集
Awesome-Code-LLM
代码生成大语言模型
代码生成领域的前沿研究与顶级模型概览
granite-code-models
Granite Code Models代码生成
支持116种编程语言的开源代码生成模型家族
HalluQA
HalluQA大型语言模型
中文大语言模型幻觉评估基准
MMBench
MMBench多模态模型
全面评估多模态大模型能力的基准测试
bigcodebench
BigCodeBench代码生成
高难度代码生成基准测试评估LLM编程能力
ALCE
ALCE大语言模型
增强大语言模型生成引用文本的基准工具
T2I-CompBench
T2I-CompBench++文本生成图像
组合式文本到图像生成的全面评估基准
open-instruct
模型微调语言模型
开源指令微调大语言模型的完整工具集
awesome-foundation-model-leaderboards
基础模型评估基准
基础模型评估榜单和工具的综合汇总
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号