#machine-learning-evaluation Repositórios
Descubra 10 repositórios ativos de código aberto no GitHub marcados com #machine-learning-evaluation, acumulando um total de 11,993 estrelas (uma média de 1,199 por projeto). O líder deste tópico é stanford-crfm/helm, com 2,975 estrelas.
10 repositórios no total
Holistic Evaluation of Language Models (HELM) é um framework Python de código aberto criado pelo Center for Research on Foundation Models (CRFM) em Stanford para avaliação holística, reproduzível e transparente de modelos de fundação, incluindo grandes modelos de linguagem (LLMs) e modelos multimodais.
Uma estrutura para a avaliação de modelos de linguagem de geração de código autorregressiva.
O livro que todo cientista de dados precisa ter em sua mesa.
Um kit de benchmark leve e plug-and-play para dados sintéticos. Compare o Syncora com outros geradores (por exemplo, Gretel, MostlyAI) simplesmente inserindo arquivos CSV e, em seguida, calcule automaticamente as métricas de fidelidade e similaridade. Funciona com qualquer conjunto de dados através de uma simples nomeação de arquivos, sem a necessidade de configurações complexas.
Um esforço de ciência aberta para avaliar o raciocínio jurídico em modelos de fundação
O repositório oficial do artigo, LLMs-as-Judges: Um levantamento abrangente sobre métodos de avaliação baseados em LLM.
Perguntas Frequentes
Qual é o repositório de #machine-learning-evaluation mais popular no GitHub?
O projeto de código aberto de #machine-learning-evaluation mais bem classificado no GitHub é stanford-crfm/helm, com 2,975 estrelas. Holistic Evaluation of Language Models (HELM) é um framework Python de código aberto criado pelo Center for Research on Foundation Models (CRFM) em Stanford para avaliação holística, reproduzível e transparente de modelos de fundação, incluindo grandes modelos de linguagem (LLMs) e modelos multimodais.
Quais linguagens de programação são mais usadas nos repositórios de #machine-learning-evaluation?
Entre os projetos de #machine-learning-evaluation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #machine-learning-evaluation?
Acompanhamos 10 repositórios ativos de código aberto marcados com #machine-learning-evaluation (com mais de 500 estrelas), totalizando 11,993 estrelas e uma média de 1,199 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.