#machine-learning-evaluation Repository
Scopri 10 repository GitHub open source attivi contrassegnati con #machine-learning-evaluation, che raccolgono un totale di 11,993 stelle (con una media di 1,199 stelle per progetto). Il progetto leader di questo argomento è stanford-crfm/helm, con 2,975 stelle.
10 repository in totale
Holistic Evaluation of Language Models (HELM) è un framework Python open source creato dal Center for Research on Foundation Models (CRFM) di Stanford per la valutazione olistica, riproducibile e trasparente di modelli di fondazione, inclusi modelli linguistici di grandi dimensioni (LLM) e modelli multimodali.
Un framework per la valutazione di modelli linguistici autoregressivi per la generazione di codice.
Il libro di cui ogni data scientist ha bisogno sulla sua scrivania.
Un kit di benchmark leggero e plug-and-play per dati sintetici. Confronta Syncora con altri generatori (ad es. Gretel, MostlyAI) inserendo CSV, quindi calcola automaticamente metriche di fedeltà e somiglianza. Funziona con qualsiasi set di dati tramite una semplice denominazione dei file, senza complicate configurazioni.
Uno sforzo di scienza aperta per confrontare il ragionamento legale nei modelli di base
Il repository ufficiale per l'articolo, LLMs-as-Judges: Una survey completa sui metodi di valutazione basati su LLM.
Domande frequenti
Qual è il repository #machine-learning-evaluation più popolare su GitHub?
Il progetto open source #machine-learning-evaluation più alto in classifica su GitHub è stanford-crfm/helm, con 2,975 stelle. Holistic Evaluation of Language Models (HELM) è un framework Python open source creato dal Center for Research on Foundation Models (CRFM) di Stanford per la valutazione olistica, riproducibile e trasparente di modelli di fondazione, inclusi modelli linguistici di grandi dimensioni (LLM) e modelli multimodali.
Quali linguaggi di programmazione sono più utilizzati nei repository #machine-learning-evaluation?
Tra i progetti #machine-learning-evaluation più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook.
Come viene calcolata la classifica dei repository #machine-learning-evaluation?
Monitoriamo 10 repository open source attivi contrassegnati con #machine-learning-evaluation (500+ stelle), per un totale di 11,993 stelle e una media di 1,199 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.