简介
HELM全称Holistic Evaluation of Language Models（语言模型整体评估）是由斯坦福大学推出的大模型评测体系，该评测方法主要包括场景、适配、指标三个模块，每次评测的运行都需要指定一个场景，一个适配模型的提示，以及一个或多个指标。它评测主要覆盖的是英语，有7个指标，包括准确率、不确定性/校准、鲁棒性、公平性、偏差、毒性、推断效率；任务包括问答、信息检索、摘要、文本分类等。
GPT-4
Copilot
ChatGPT
PI
Stable Diffusion
AgentGPT
Stable DiffusionAI算法库
AgentGPTAI算法库
Chatbot ArenaAI算法库
PromptPerfectAI算法库
GPT-4AI算法库
文心大模型AI算法库
Gen-2AI算法库
Evidently AIAI算法库
ClickPromptAI算法库
PublicPromptsAI算法库
