Open LLM Leaderboard 是最大的大模型和数据集社区 HuggingFace 推出的开源大模型排行榜单，基于 Eleuther AI Language Model Evaluation Harness（Eleuther AI语言模型评估框架）封装。
由于社区在发布了大量的大型语言模型（LLM）和聊天机器人之后，往往伴随着对其性能的夸大宣传，很难过滤出开源社区取得的真正进展以及目前的最先进模型。因此，Hugging Face 使用 Eleuther AI语言模型评估框架对模型进行四个关键基准测试评估。这是一个统一的框架，用于在大量不同的评估任务上测试生成式语言模型。
Open LLM Leaderboard 的评估基准
- AI2 推理挑战（25-shot）：一组小学科学问题
- HellaSwag（10-shot）：一个测试常识推理的任务，对人类来说很容易（大约95%），但对SOTA模型来说具有挑战性。
- MMLU（5-shot）- 用于测量文本模型的多任务准确性。测试涵盖57个任务，包括基本数学、美国历史、计算机科学、法律等等。
- TruthfulQA（0-shot）- 用于测量模型复制在在线常见虚假信息中的倾向性。
数据统计
数据评估
关于Hugging Face特别声明
本站太极导航提供的Hugging Face都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由太极导航实际控制，在2024年5月17日 下午5:57收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，太极导航不承担任何责任。
相关导航
暂无评论...
太极导航收录了国内外成千上万不同类型的网址，每日更新和添加最新实用网址，太极导航，让你找资源更方便，学习更方便，助你工作生活更上一层楼!
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
