Industry Benchmark 相关的热门 GitHub AI项目仓库

开放式多模态实验室姿态估计工具箱和基准测试

OpenCompass是一个大型语言模型（LLM）评估平台，支持Llama3、Mistral、InternLM2、GPT-4、LLaMa2、Qwen、GLM、Claude等100多个数据集和多种模型的评估。

Silero模型：提供预训练的语音转文本、文本转语音和文本增强模型，使用极其简单。

开放式MMLab新一代视频理解工具箱和基准测试

百度智能科技开发的一系列大型语言模型

SWE-bench（多模态）：语言模型能解决现实中的 GitHub 问题吗？

FlashRAG：一个用于高效检索增强生成研究的Python工具包（WWW2025资源）

MemU is an open-source memory framework for AI companions—high accuracy, fast retrieval, low cost. It acts as an intelligent "memory folder" that adapts to different scenarios, from different companions senarios.

百度智能科技开发的一款拥有130亿参数的大型语言模型

大型语言模型的统一评估框架

用于基准测试图神经网络的代码库（JMLR 2023）

【NeurIPS 2024】OSWorld：在真实计算机环境中对开放式任务的多模态智能体的基准测试

处理各种非结构化数据，例如反向图片搜索、音频搜索、分子搜索、视频分析、问答系统、自然语言处理等等。

【ECCV 2024】用于多模态理解的视频基础模型与数据

用于日志解析的机器学习工具包（发表在ICSE'19和DSN'16会议上）

关于基于大型语言模型的长文本建模，必读论文和博客

高效的检索增强与生成框架

MLPerf训练基准的参考实现

对大型语言模型生成代码的严格评估——NeurIPS 2023 & COLM 2024

这篇调查论文“大型语言模型的评估综述”的官方GitHub页面。