AIbase

Hallucination Leaderboard
Hallucination Leaderboard
该产品主要面向自然语言处理领域的研究人员、开发者以及对LLM性能评估感兴趣的用户。它可以帮助他们了解不同LLM在生成内容时的准确性和可靠性，从而选择更适合特定任务的模型。
研究工具模型训练与部署#LLM#幻觉检测#自然语言处理#模型评估#人工智能普通产品开源
总访问量： 474,564,576
占比最多地区： US(19.34%)
1,092
产品介绍
网站流量
同类开源产品
替代品
简介
该产品是一个由Vectara开发的开源项目，用于评估大型语言模型（LLM）在总结短文档时的幻觉产生率。它使用了Vectara的Hughes幻觉评估模型（HHEM-2.1），通过检测模型输出中的幻觉来计算排名。该工具对于研究和开发更可靠的LLM具有重要意义，能够帮助开发者了解和改进模型的准确性。
截图
产品特色
提供基于HHEM-2.1模型的LLM幻觉评估
支持多种LLM的比较和排名
使用CNN/Daily Mail语料库进行文档总结测试
通过API调用各种LLM模型进行评估
提供幻觉率、事实一致性率和回答率等关键指标
支持多语言模型的评估（目前主要支持英文）
定期更新以反映模型性能的变化
使用教程
1. 访问项目主页（https://github.com/vectara/hallucination-leaderboard），了解项目背景和使用方法。
2. 查看README文件，了解如何使用HHEM-2.1模型进行评估。
3. 准备需要评估的LLM模型及其API接口。
4. 使用项目提供的脚本或代码，调用LLM模型生成总结。
5. 通过HHEM-2.1模型评估生成的总结，获取幻觉率等指标。
6. 分析评估结果，比较不同模型的性能。
7. 根据需要调整模型或选择更优的模型进行应用。
流量来源
直接访问51.61%外链引荐33.46%邮件0.04%
自然搜索12.58%社交媒体2.19%展示广告0.11%
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图
同类开源产品
MIT MAIA
优质新品
MAIA（Multimodal Automated Interpretability Agent）是由MIT计算机科学与人工智能实验室（CSAIL）开发的一个自动化系统，旨在提高人工智能模型的解释性。
研究工具#自动化
Arxiv Summarizer
该产品是一个 Python 脚本，利用 Gemini API 从 arXiv 获取和总结研究论文。
研究工具#论文摘要
MNN LLM Android App
MNN-LLM 是一款高效的推理框架，旨在优化和加速大语言模型在移动设备和本地 PC 上的部署。
模型训练与部署#人工智能
Surfsense
SurfSense 是一款开源的 AI 研究助手，它将多种外部资源（如搜索引擎、Slack、Notion 等）整合在一起，帮助用户高效地进行研究和信息管理。
研究工具#信息管理
Deerflow
DeerFlow 是一个深度研究框架，旨在结合语言模型与如网页搜索、爬虫及 Python 执行等专用工具，以推动深入研究工作。
研究工具#开源
Camerabench
CameraBench 是一个用于分析视频中相机运动的模型，旨在通过视频理解相机的运动模式。
研究工具#相机运动
Search R1
Search-R1 是一个强化学习框架，旨在训练能够进行推理和调用搜索引擎的语言模型（LLMs）。
模型训练与部署#自然语言处理
Genprm
GenPRM 是一种新兴的过程奖励模型（PRM），通过生成推理来提高在测试时的计算效率。
模型训练与部署#生成推理
Atypica.ai
中文精选
Atypica.AI 是一个专注于商业研究的智能体框架，利用语言模型来分析和理解消费者情绪、市场认知与决策偏好。
研究工具#消费者行为
替代品
Arxiv Summarizer
该产品是一个 Python 脚本，利用 Gemini API 从 arXiv 获取和总结研究论文。
研究工具#论文摘要
MNN LLM Android App
MNN-LLM 是一款高效的推理框架，旨在优化和加速大语言模型在移动设备和本地 PC 上的部署。
模型训练与部署#人工智能
Surfsense
SurfSense 是一款开源的 AI 研究助手，它将多种外部资源（如搜索引擎、Slack、Notion 等）整合在一起，帮助用户高效地进行研究和信息管理。
研究工具#信息管理
Deerflow
DeerFlow 是一个深度研究框架，旨在结合语言模型与如网页搜索、爬虫及 Python 执行等专用工具，以推动深入研究工作。
研究工具#开源
Camerabench
CameraBench 是一个用于分析视频中相机运动的模型，旨在通过视频理解相机的运动模式。
研究工具#相机运动
Search R1
Search-R1 是一个强化学习框架，旨在训练能够进行推理和调用搜索引擎的语言模型（LLMs）。
模型训练与部署#自然语言处理
Arthur Engine
Arthur Engine 是一个旨在监控和治理 AI/ML 工作负载的工具，利用流行的开源技术和框架。
模型训练与部署#机器学习
Smoldocling
SmolDocling-256M-preview是由ds4sd推出的一个具有256M参数的语言模型，专注于医学领域。
研究工具#医学文本处理
Factorio学习环境
Factorio Learning Environment（FLE）是基于《Factorio》游戏构建的新型框架，用于评估大型语言模型（LLMs）在长期规划、程序合成和资源优化方面的能力。
模型训练与部署#Factorio游戏
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k