医疗领域检索式问答基准测试

用于衡量设备 AI 加速器推理性能的基准测试工具。

一种测试大语言模型在复杂社交博弈中智能性的基准测试框架，灵感来源于‘狼人杀’游戏。

用于多模态上下文中的检索增强生成的基准测试代码库。

综合表格数据学习工具箱和基准测试