Open LLM Leaderboard 是最大的大模型和數據集社區 HuggingFace 推出的開源大模型排行榜單，基于 Eleuther AI Language Model Evaluation Harness（Eleuther AI語言模型評估框架）封裝。
由于社區在發布了大量的大型語言模型（LLM）和聊天機器人之后，往往伴隨著對其性能的夸大宣傳，很難過濾出開源社區取得的真正進展以及目前的最先進模型。因此，Hugging Face 使用 Eleuther AI語言模型評估框架對模型進行四個關鍵基準測試評估。這是一個統一的框架，用于在大量不同的評估任務上測試生成式語言模型，大家快來AI365導航！
Open LLM Leaderboard 的評估基準
- AI2 推理挑戰（25-shot）：一組小學科學問題
- HellaSwag（10-shot）：一個測試常識推理的任務，對人類來說很容易（大約95%），但對SOTA模型來說具有挑戰性。
- MMLU（5-shot）- 用于測量文本模型的多任務準確性。測試涵蓋57個任務，包括基本數學、美國歷史、計算機科學、法律等等。
- TruthfulQA（0-shot）- 用于測量模型復制在在線常見虛假信息中的傾向性。
??版權聲明：若無特殊聲明，本站所有文章版權均歸奇想AI導航網原創和所有，未經許可，任何個人、媒體、網站、團體不得轉載、抄襲或以其他方式復制發表本站內容，或在非我站所屬的服務器上建立鏡像。否則，我站將依法保留追究相關法律責任的權利。
類似于Open LLM Leaderboard的工具
奇想AI導航網收錄了國內外數百個不同類型的AI工具，每日更新和添加最新AI工具，奇想AI導航網還推薦了AI學習開發的常用網站、框架和模型，幫助你加入人工智能浪潮，自動化高效完成任務！
Ctrl + D 或 ? + D 收藏本站到瀏覽器書簽欄。