醫療領域檢索式問答基準測試

用于衡量設備 AI 加速器推理性能的基準測試工具。

一種測試大語言模型在復雜社交博弈中智能性的基準測試框架，靈感來源于‘狼人殺’游戲。

用于多模態上下文中的檢索增強生成的基準測試代碼庫。

綜合表格數據學習工具箱和基準測試