
這個項目是一個基準工具,用於評估和比較各種視覺語言模型(VLMs)的性能。它使用兩個數據集:LLaVA-Bench-In-the-Wild 和日本 HERON Bench 來衡量模型的性能。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
6
±0 (10月13日〜)
最後提交
2024年12月
GitHub 建立日期
2024年6月12日
收錄日
2024年10月13日
Star 數變化
以表格顯示
| 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 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
研究領域相近的資源
swallow-evaluation-instructswallow-llm34燕子項目 事後學習完成的大規模語言模型 評估框架共同: 語言模型- japanese-reranker-cross-encoder-small-v1hotchpotch156k以日語訓練的 CrossEncoder 重新排序模型,規模從 xsmall(384)到 large(1024),並包含 BGE‑v2‑m3‑v1 模型,附有微調、推理的範例程式碼,以及在 JQaRA、JaCWIR、MIRACL 與 JSQuAD 上的基準分數。HF 模型共同: 語言模型
- japanese-reranker-cross-encoder-xsmall-v1hotchpotch16k日本 CrossEncoder 重排序模型 覆蓋 xsmall 到 large(含 BGE),已於 JQaRA、JaCWIR、MIRACL 與 JSQuAD 進行評估,並附上可直接使用的 sentence_transformers 與 HuggingFace 整合範例。HF 模型共同: 語言模型
- Llama-3.1-Swallow-8B-Instruct-v0.3tokyotech-llm5kLlama 3.1 Swallow 是一系列經過日本優化的 8B/70B Llama 3.1 模型,透過持續預訓練和日本專用說明微調進行訓練,最新的 8B‑Instruct‑v0.3 在日本 MT‑Bench 上取得了最先進的成果。HF 模型共同: 語言模型
- Llama-3-ELYZA-JP-8Belyza4kLlama‑3‑ELYZA‑JP‑8B 是 ELYZA 推出的日語改良版,8 億參數的 Llama 3 模型,已在 Meta‑Llama‑3‑8B‑Instruct 上為日語進行微調。HF 模型共同: 語言模型
pretrained_doc2vec_jayagays25預先訓練在日本維基百科上的doc2vec模型共同: 語言模型