Accueil Projets AlignBench
AlignBench
Python

AlignBench

Évaluation de l'alignement multidimensionnel en chinois pour les grands modèles (ACL 2024)

par THUDM · GitHub
Étoiles
Forks
Créé
Dernier commit
Catégorie
Langue
chatglmchatgptlarge-language-modelsPython
Voir sur GitHub
En termes simples

Évaluez à quel point les modèles de langue chinois s'alignent sur les intentions humaines en utilisant un banc d'essai complet.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
AlignBench — GitHub preview card
📈 Historique des étoiles
431430
2026-07-202026-08-31
📈 Suivez AlignBench

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Évaluation de l'alignement multidimensionnel en chinois pour les grands modèles (ACL 2024)

AlignBench compte 431 étoiles sur GitHub. Il a été forké 30 fois. AlignBench est écrit principalement en Python. Il est développé activement depuis 2023. Ses principaux thèmes sont : chatglm, chatgpt, large-language-models, llm.

Frequently asked questions

Qu'est-ce que AlignBench ?

Évaluation de l'alignement multidimensionnel en chinois pour les grands modèles (ACL 2024)

AlignBench est-il open source ?

AlignBench est un projet open source.

AlignBench est-il gratuit ?

Oui. AlignBench est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage AlignBench est-il écrit ?

AlignBench est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — AlignBench

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=thudm-alignbench)](https://olud.ai/project/thudm-alignbench.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.