#machine-learning-evaluation Repositorios
Descubre 10 repositorios activos de código abierto de GitHub etiquetados con #machine-learning-evaluation, que acumulan 11,993 estrellas en total (una media de 1,199 estrellas por proyecto). El líder de este tema es stanford-crfm/helm, con 2,975 estrellas.
10 repositorios en total
Holistic Evaluation of Language Models (HELM) es un marco de Python de código abierto creado por el Center for Research on Foundation Models (CRFM) en Stanford para la evaluación holística, reproducible y transparente de modelos de fundación, incluidos modelos de lenguaje grandes (LLM) y modelos multimodales.
Un marco para la evaluación de modelos de lenguaje autorregresivos para la generación de código.
El libro que todo científico de datos necesita en su escritorio.
Un kit de benchmark ligero y plug-and-play para datos sintéticos. Compare Syncora con otros generadores (por ejemplo, Gretel, MostlyAI) insertando CSV, luego calcule automáticamente métricas de fidelidad y similitud. Funciona con cualquier conjunto de datos a través de una simple nomenclatura de archivos, sin necesidad de una configuración compleja.
Un esfuerzo de ciencia abierta para evaluar el razonamiento legal en modelos fundacionales
El repositorio oficial del artículo, LLMs-as-Judges: Una encuesta completa sobre métodos de evaluación basados en LLM.
Preguntas frecuentes
¿Cuál es el repositorio de #machine-learning-evaluation más popular en GitHub?
El proyecto de código abierto de #machine-learning-evaluation mejor posicionado en GitHub es stanford-crfm/helm, con 2,975 estrellas. Holistic Evaluation of Language Models (HELM) es un marco de Python de código abierto creado por el Center for Research on Foundation Models (CRFM) en Stanford para la evaluación holística, reproducible y transparente de modelos de fundación, incluidos modelos de lenguaje grandes (LLM) y modelos multimodales.
¿Qué lenguajes de programación se utilizan más en los repositorios de #machine-learning-evaluation?
Entre los proyectos de #machine-learning-evaluation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #machine-learning-evaluation?
Seguimos 10 repositorios activos de código abierto etiquetados con #machine-learning-evaluation (500+ estrellas), que suman un total de 11,993 estrellas, con una media de 1,199 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.