evaluation 第 3 页
本站收录 104 个带「evaluation」标签的 AI 开源项目（按 GitHub 星标从高到低，第 3 / 3 页）
TaskMeAnythingTaskMeAnything是一个用于多模态语言模型（如视觉语言模型）的任务生成与模型评估系统，发表于NeurIPS 2024。它解决的核心问题是：传统基准测试★ 71
VisualWebBenchVisualWebBench 是一个针对多模态大语言模型（MLLMs）在网页理解与定位（Grounding）任务上的评估框架，源自同名论文。它解决的核心问题是：★ 68
CS-EvalCS-Eval 是一个专为网络安全领域基础模型或大语言模型设计的综合评估套件。它解决的核心问题是：当前缺乏针对网络安全能力的系统性评测基准，导致难以客观衡量模型★ 67
PhyXPhyX 是一个专注于物理推理能力评估的开源基准测试项目，旨在回答“你的模型是否具备物理推理的‘智慧’”。它通过设计一系列需要物理常识和因果推断的任务，来测试大★ 55