本项目对零阶优化技术进行了基准研究，重点关注在微调大型语言模型时的内存效率。
这是一个关于科学大型语言模型（Sci-LLMs）的全面调查，重点关注生物学和化学领域，提供深入的分析与比较，以助于研究人员更好地了解和应用这些模型。
用于评估和理解大型语言模型的统一评估框架，提供了用户友好的API，方便研究人员进行模型性能评估、提示工程和对抗提示攻击评估等。
Multi-CPR是一个针对中文段落检索的多领域数据集，旨在支持中文处理的研究与应用。该数据集涵盖多个领域，提供了丰富的样本，帮助研究者和开发者高效地训练和评估检索模型。
StructuredRAG是一个用于评估大型语言模型（LLM）遵循响应格式指令能力的六个任务基准，旨在研究不同提示策略对模型性能的影响，并提供复杂任务的性能评估。该项目还包括开源实验代码和结果，方便研究人员进行进一步探索。
FreeTumor是一个大规模合成和分割肿瘤的基线工具，旨在帮助医学研究者扩展肿瘤分割数据集。该工具支持多种肿瘤类型，包括肝、胰腺、肾肿瘤以及COVID-19，具有高效的数据处理能力，适用于医学研究人员和数据科学家。
