原创力文档- 1、本文档共12页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
埃卡-评估：印度大型语言模型的综合框架
*
SamridhiRajSinhaRajveeSheth,AbhishekUpperwal,MayankSingh
NMIMS,†SoketAI,IndianInstituteofTechnologyGandhinagar,LINGOResearchGroup
Correspondence:singh.mayank@iitgn.ac.in
摘要
大型语言模型（LLMs）的迅速发展加剧了
本对评估框架的需求，这些框架需要满足印
译度等多语言地区的要求，并超越以英语为
中中心的标准。我们引入了埃卡-评估，这是
一个统一的评估框架，集成了超过35个基
2
v准测试（包括10个印地语族基准测试）跨
3九个主要评估类别。该框架提供的覆盖范
5
8围比现有的印度语言评估工具更广泛，通
1
0过模块化架构、与HuggingFace和专有模
7.型无缝集成以及即插即用的易用性提供了图1:埃卡-评估的架构：一个结合模型推理、基准
011项核心能力。作为首个用于可扩展多语注册表、评估引擎和结果处理的模块化框架，支持
5
2种LLM基准测试的端到端套件，该框架结缓存和分布式推理。
:
v合了广泛的基准测试、模块化工序，并为
i
x资源较少的印度语言提供专门支持，以实
r随着通用基础模型如GPT-4(Achiametal.,
a现跨不同领域的包容性评估能力。我们进
行了广泛的对比实验，与五个现有基线进2023),Claude(Anthropic,2024),Gemini(Anil
行比较，结果表明埃卡-评估在五类中的四etal.,2023)和Llama-3(Touvronetal.,2023)的
个类别中获得了最高的参与者评分。出现，研究重点已从构建特定任务的模型转向
�演示bit.ly/Eka-Eval系统性评估这些强大的系统。
�代码/lingo-iitgn/eka-eval评估不仅在衡量进展中发挥关键作用，还
在识别能力、暴露限制和提供部署策略信息方
1介绍面发挥作用。
作为回应，出现了几个评估框架，包括舵
大型语言模型（LLMs）迅速改变了自然语
控系统(Liangetal.,2022),EleutherAI控制系
言处理（NLP），使多样化任务中的泛化成为可
统(Gaoetal.,2021),lm-评估框架(Gaoetal.,
能，包括指令遵循、推理、摘要生成、翻译和
2021)和开放指南针(OpenCompassContributors,
工具使用
文档评论（0）