
这个项目是一个基准工具,用于评估和比较各种视觉语言模型(VLMs)的性能。它使用两个数据集:LLaVA-Bench-In-the-Wild和日本HERON Bench来衡量模型的性能。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
6
±0 (10月13日〜)
最后提交
2024年12月
GitHub 创建日期
2024年6月12日
收录日
2024年10月13日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 6 |
| 2026年1月 | 6 |
| 2026年2月 | 6 |
| 2026年3月 | 6 |
| 2026年4月 | 6 |
| 2026年5月 | 6 |
| 2026年6月 | 6 |
| 2026年7月 | 6 |
| 2026年8月 | 6 |
| 2026年9月 | 6 |
| 2026年10月 | 6 |
| 2026年11月 | 6 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
研究领域相近的资源
swallow-evaluation-instructswallow-llm34燕子项目 后续学习完成的大规模语言模型 评估框架共同: 语言模型- japanese-reranker-cross-encoder-small-v1hotchpotch156k日本训练的 CrossEncoder 重新排序器,尺寸从 xsmall(384)到 large(1024),以及 BGE‑v2‑m3‑v1 模型,提供微调、推理和 JQaRA、JaCWIR、MIRACL、JSQuAD 上的基准分数示例代码。HF 模型共同: 语言模型
- japanese-reranker-cross-encoder-xsmall-v1hotchpotch16k日语 CrossEncoder 再排序模型,覆盖 xsmall 到 large(含 BGE),在 JQaRA、JaCWIR、MIRACL 与 JSQuAD 上进行评估,并为 sentence_transformers 与 HuggingFace 提供即用的集成示例。HF 模型共同: 语言模型
- Llama-3.1-Swallow-8B-Instruct-v0.3tokyotech-llm5kLlama 3.1 Swallow 是一系列日语增强的 8B/70B Llama 3.1 模型,通过持续预训练和日语特定指令微调训练,最新的 8B‑Instruct‑v0.3 在日语 MT‑Bench 上取得了最先进的结果。HF 模型共同: 语言模型
- Llama-3-ELYZA-JP-8Belyza4kLlama‑3‑ELYZA‑JP‑8B 是由 ELYZA 开发的、经过日语增强的 80 亿参数 Llama 3 模型,在 Meta‑Llama‑3‑8B‑Instruct 上针对日语微调。HF 模型共同: 语言模型
pretrained_doc2vec_jayagays25预训练的doc2vec模型在日语维基百科上共同: 语言模型