AI-magic AI-magic

人工与自动评估比较

A Survey on Evaluation of Large Language Models-评估大语言模型性能的研究综述
A Survey on Evaluation of Large Language Models-评估大语言模型性能的研究综述

这篇论文探讨了如何评估大模型的性能，包括评估的内容、地点和方法，并分析了当前评估方法的有效性和可信度。
Awesome Domain LLM开源项目 – 垂直领域的开源资源汇聚
Awesome Domain LLM开源项目 – 垂直领域的开源资源汇聚

收集和梳理垂直领域的开源模型、数据集及评测基准，方便研究人员和开发者使用。
大模型系统研究测试开源项目 – 对主要大模型进行系统研究和测试
大模型系统研究测试开源项目 – 对主要大模型进行系统研究和测试

这是我在伯克利带的本科生Peter Tong去New York University师从Xie Saining和Yann LeCun后对目前所有主要大模型进行系统研究测试的最新工作。
SuperCLUE开源项目 – 中文通用大模型综合性基准
SuperCLUE开源项目 – 中文通用大模型综合性基准

SuperCLUE是一个针对中文大模型的综合性基准测试平台，提供标准化的评估指标和多任务测试能力，旨在帮助研究者评估和比较中文大模型的性能。
simpleRL-reason开源项目 – 高效强化学习推理训练
simpleRL-reason开源项目 – 高效强化学习推理训练

一个强化学习项目，旨在通过少量示例训练大型语言模型以进行数学推理和解决问题。该项目通过使用少量数据和简化的训练流程，使得AI推理训练更加高效，且小模型也能表现出强大的推理能力。
The Ultimate Guide to Fine-Tuning LLMs from Basics to Breakthroughs-全面解析微调技术与应用
The Ultimate Guide to Fine-Tuning LLMs from Basics to Breakthroughs-全面解析微调技术与应用

这篇论文对大语言模型的微调，从技术、研究、最佳实践、应用研究挑战和机遇等方面进行了详尽的回顾。
LLaVA-CoT开源项目 – 首个自发推理的视觉语言模型
LLaVA-CoT开源项目 – 首个自发推理的视觉语言模型

LLaVA-CoT是第一个能够进行自发、系统推理的视觉语言模型，类似于GPT-01，具有强大的多模式处理能力。该模型通过11B参数的强大架构，支持复杂的视觉语言任务，并在多模式基准测试中表现优于多个现有模型。
Leveraging Large Language Models for NLG Evaluation: A Survey-利用大型语言模型进行NLG评估的综述
Leveraging Large Language Models for NLG Evaluation: A Survey-利用大型语言模型进行NLG评估的综述

本综述旨在提供关于利用大型语言模型进行NLG评估的全面概述，提出了一个系统的分析框架，以理解和比较这些方法。通过讨论未解决的挑战，包括偏见、鲁棒性、领域特异性和统一评估，本综述旨在为研究人员提供洞见，并倡导更公平和先进的NLG评估技术。
PROMETHEUS-完全开源的细粒度评估语言模型
PROMETHEUS-完全开源的细粒度评估语言模型

PROMETHEUS是一个在语言模型中引入细粒度评估能力的完全开源LLM，能够在配备适当的参考资料时展现出与专有模型相媲美的评估能力。
Monica图标

通过字节跳动免费使用满血可联网DeepSeek R1

现在注册，立即送145元代金券

字节跳动提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型

马上试试
AI-magic收录了大量国内外AI工具箱，包括AI写作、图像、视频、音频、编程等各类AI工具，以及常用的AI学习、技术、和模型等信息，让你轻松加入人工智能浪潮。
Copyright © 2025 AI-magic 浙ICP备19008543号-3