该项目引入了AgentBench，一个用于测试大型语言模型(LLMs)在各种交互环境中的基准工具。在对25个LLMs进行的初步测试中，结果显示商业模型的表现超过了开源模型。这项研究为我们理解和评估大型语言模型的交互性能提供...

Humanscript是一种脚本解释器，利用大型语言模型推断自然语言编写的命令背后的含义。这种解释器的出现，开启了人机交互新纪元，让机器更好地理解并执行人类的语言命令。Humanscript的最大特点在于，它能够理解并执行...

MM-Vet是一种新的工具，用于测试大型语言模型(LLMs)处理涉及图像和文字的任务的能力，例如从照片中解决数学问题或解释图片中的笑话。这种工具的出现，为我们提供了一个全新的角度去评估和理解LLMs在图像和文字处理方...

最近，一篇论文的作者们开发出了一种名为“共思”的方法，该方法利用大型语言模型来提高较小的“婴儿级”模型的训练效果。他们通过重新处理GPT-3.5-turbo的数据集，并以RoBERTa的方式训练较小的模型，使得该模型在语言测...

最新研究探索了大型语言模型如何能够识别自身的错误，特别是在多步骤推理问题中，无需依赖外部资源。研究人员开发了一种零射击验证方法来识别错误并提高问题回答任务的性能。大型语言模型对于多步骤推理问题的处理，...

本文讨论了将大型语言模型集成到系统和产品中的实用模式。它结合了学术研究、行业资源和从业者的专业知识。本文介绍了七种关键模式，涵盖了提高性能与降低成本/风险以及更接近数据与更接近用户之间的一系列模式。

PromptTools是一套自托管工具，用于实验、测试和评估大型语言模型、向量数据库和提示。它允许开发者使用代码、笔记本和本地沙盒进行评估。开发者只需几行代码就可以测试不同模型上的提示和参数。PromptTools可以用于...

Aistro将古老的占星术智慧与现代大型语言模型AI的力量完美结合！Aistro应用让你询问关于你的星座，个性或未来的任何问题。只需输入你的出生日期，时间和地点，就可以获得个性化的阅读体验。这是一次人工智能技术与传...