评估AI工具精选：优化决策的实用指南
dclm
DataComp-LM大语言模型
大型语言模型训练与评估的开源综合框架
evaluate
Evaluate指标
多框架兼容的机器学习评估工具库
AutoKG
AutoKG知识图谱
大型语言模型在知识图谱构建与推理中的应用研究
LongMem
LongMem语言模型
为语言模型赋予长期记忆能力
Awesome-LLM-Uncertainty-Reliability-Robustness
LLM不确定性
大语言模型的不确定性、可靠性和鲁棒性研究资源集
simple-evals
language models评估
开源轻量级语言模型评估库 展示AI性能数据
llm-hallucination-survey
幻觉大语言模型
大语言模型幻觉问题研究综述
sage
SAGE拼写纠正
多语言拼写纠正与文本增强工具包
promptbench
PromptBench评估
大语言模型的评估与理解综合工具包
Quantus
Quantus神经网络
神经网络解释的定量评估工具箱
lighteval
LightEvalLLM
轻量级LLM评估框架，支持多任务处理与复杂模型配置
alpaca_eval
开源项目AlpacaEval
精确且成本低的指令追随语言模型自动评估工具
bocoel
BoCoEL贝叶斯优化
贝叶斯优化用于评估大型语言模型的开源工具
LESS
LESS数据选择
选择有影响力的数据进行有针对性的指令调整
bench
BenchLLM
LLM性能评估与工作流标准化工具
LongBench
LongBench长文本理解
双语长文本理解多任务评估
prometheus-eval
Prometheus-EvalBiGGen-Bench
前沿的大语言模型生成任务评估工具
voicefixer_main
VoiceFixer语音恢复
语音修复框架，支持严重退化和历史语音的恢复
LLM-eval-survey
大型语言模型自然语言处理
汇集了涵盖自然语言处理、逻辑推理、机器翻译等领域关于大型语言模型（LLMs）的全面评估研究与资源
ignite
PyTorch-Ignite神经网络
PyTorch工具库，专为简化神经网络训练与评估设计
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