模型性能比较

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。

FLEX是一个用于进行统一的、严格的少样本NLP评估的基准和框架，旨在为研究人员和开发者提供一个标准化的评估平台，支持多种NLP任务，便于比较不同模型的性能，并允许用户根据需要自定义评估指标。

Aidan Bench是一个专门用于评估大型语言模型（LLMs）创新性与可靠性的工具。通过一系列开放式问题，它测试模型的创造力、可靠性、上下文注意力和指令遵循能力，旨在揭示在标准基准测试中可能被低估的能力。

通过 LMSYS 的 Chatbot Arena 数据生成的大语言模型过去一年 ELO 的排名变化对比动画，帮助用户直观了解不同模型的表现和竞争力。

LLaMA-Factory 是一个易于使用的 WebUI 框架，旨在高效微调 100 多种大语言模型（LLM）。它支持多种模型和训练方法，包括 LLaMA、Mistral、Qwen 等，并集成了多种微调方法如 LoRA、QLoRA、PPO、DPO 等。LLaMA-Factory 提供了高级算法如 GaLore、BAdam、DoRA、LongLoRA 等，以及实用技巧如 flashattention、RoPE 缩放等，以优化微调效果。此外，它还支持实验管理工具如 LlamaBoard、TensorBoard、Wandb，以及高效的推理接口如 Gradio UI 和 OpenAI 风格的 API。

LLMSurvey是一个提供LLaMA模型族进化图的项目，用户可以通过该工具查看不同版本模型的性能，比较多种模型参数，并获取相关的训练和评估数据。

《解构大语言模型：从线性回归到通用人工智能》配套代码，提供了大语言模型的实现与分析，展示了线性回归与语言模型之间的关系，并支持多种数据集与训练配置，易于扩展与自定义。

LLM Comparator是一个交互式数据可视化工具，旨在并排评估和分析大型语言模型的响应，由PAIR团队开发。

截至目前，国内已经有了个 188 大语言模型，LLMs-In-China 收录了中国境内的多种大语言模型信息，提供模型的基本参数和性能指标，包含模型的使用案例和应用场景，并支持用户提交新的模型信息。

一个全面的列表，包含与基于基础模型（如LLM和VLM）相关的决策制定的论文、代码库和数据集。

本项目旨在分享大模型相关技术原理以及实战经验，包括大模型工程化和应用落地，降低学习难度，促进技术普及。

WizardLM是一个基于Code Llama微调的模型，专注于代码生成和相关任务，支持多种编程语言的代码编写与理解，提供模型的测试地址和下载链接，经过简单测试表现良好。

整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等。该项目收录了100+个中文LLM相关的开源模型和资源，适合企业应用和研究。

xCodeEval是一个大规模多语言多任务基准，用于评估代码理解、生成、翻译和检索的能力，旨在为研究和开发提供支持。

一个全面的移动端和PC端智能代理相关资源集合，包含最新论文、数据集和基准测试。收录了各类移动端智能代理系统的训练方法、输入类型、模型架构等详细对比，以及主流数据集的详细信息统计。

JADE-Database是面向国内开源和国外商用大模型的Demo数据集，包含多种自然文本数据，覆盖多个问题类型，旨在用于大模型的靶向安全评测。

吴恩达的课程，旨在引导学员完成LLM预训练流程，包括数据准备、模型架构配置、训练和评估。学员将学习如何使用HuggingFace获取训练数据，配置Transformer网络，运行训练并进行性能评估，同时探讨深度升级技术以降低计算成本。

Chinese_medical_NLP是一个专注于中文医疗领域的自然语言处理项目，提供丰富的数据集、研究论文、知识图谱、语料和多种工具包，旨在促进医疗文本处理和分析的研究与应用。