当前位置: 首页 > article >正文

智能客服——模型智商测试

测试方法看AI模型能力排行榜链接适合评估在线模型。使用在线模型需要考虑1.API是否开放2.token费用3. 国内备案4. 数据安全。自己进行能力测试适合评估需要私有化部署的模型。工具司南测评OpenCompass。魔搭社区modelscope链接。# OpenCompass 支持的数据集 humaneval, triviaqa, commonsenseqa, tydiqa, strategyqa, cmmlu, lambada, piqa, ceval, math, LCSTS, Xsum, winogrande, openbookqa, AGIEval, gsm8k, nq, race, siqa, mbpp, mmlu, hellaswag, ARC, BBH, xstory_cloze, summedits, GAOKAO-BENCH, OCNLI, cmnli # gen 数据集生成式数学、代码、翻译评测 # ppl 数据集判别式选择、判断、填空评测# 租借 AutoDL 服务器# 创建实例# 无卡开机# VSCode 远程连接# 学术加速开启代理source/etc/network_turbo# 准备 opencompass 环境# 创建虚拟环境conda create--nameopencompasspython3.10-ysource~/.bashrc conda activate opencompass# 安装 opencompass支持绝大多数数据集及模型pipinstall-Uopencompass# 新开一个终端conda activate opencompasssource/etc/network_turbocd/root/autodl-tmpgitclone https://github.com/open-compass/opencompass opencompass# 安装模型pipinstallmodelscopeexportDATASET_SOURCEModelScope# 下载 DeepSeek-R1-Distill-Qwen-1.5Bcd/root/autodl-tmp/mkdirDeepSeek-R1-Distill-Qwen-1.5B modelscope download--modeldeepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B--local_dir./DeepSeek-R1-Distill-Qwen-1.5B# 新开一个终端conda activate opencompass# 学术加速开启代理source/etc/network_turbocd/root/autodl-tmp/# 下载 DeepSeek-R1-Distill-Qwen-7BmkdirDeepSeek-R1-Distill-Qwen-7B modelscope download--modeldeepseek-ai/DeepSeek-R1-Distill-Qwen-7B--local_dir./DeepSeek-R1-Distill-Qwen-7B# 测试#两个模型的路径分别如下/root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-1.5Bcd/root/autodl-tmp/opencompass# 在 demo_gsm8k_chat_gen 上测试 DeepSeek-R1-Distill-Qwen-7Bpython run.py\--datasetsdemo_gsm8k_chat_gen\--hf-type chat\--hf-path /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B\--tokenizer-path /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B\--tokenizer-kwargspadding_sidelefttruncation_sidelefttrust_remote_codeTrue\--model-kwargsdevice_mapautotrust_remote_codeTrue\--max-seq-len8192\--max-out-len2048\--batch-size1# 在 demo_gsm8k_chat_gen 上测试 DeepSeek-R1-Distill-Qwen-7Bpython run.py\--datasetsdemo_gsm8k_chat_gen\--hf-type chat\--hf-path /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-1.5B\--tokenizer-path /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-1.5B\--tokenizer-kwargspadding_sidelefttruncation_sidelefttrust_remote_codeTrue\--model-kwargsdevice_mapautotrust_remote_codeTrue\--max-seq-len8192\--max-out-len2048\--batch-size1【注以上是为了方便所以就用DeepSeek-R1-Distill-Qwen-1.5B和DeepSeek-R1-Distill-Qwen-7B在demo_gsm8k_chat_gen数据集上做一个抛砖引玉。】

相关文章:

智能客服——模型智商测试

测试方法: 看 AI 模型能力排行榜,链接,适合评估在线模型。使用在线模型需要考虑,1. API 是否开放;2. token 费用;3. 国内备案;4. 数据安全。 自己进行能力测试,适合评估需要私有化部…...

CANoe Trace窗口保姆级指南:从报文查看、过滤到数据导出,一次搞定

CANoe Trace窗口实战指南:从数据诊断到问题定位全流程解析 第一次打开CANoe的Trace窗口时,面对满屏跳动的报文数据,大多数工程师都会感到无从下手。这就像突然被扔进一个嘈杂的电子集市,各种信号此起彼伏,而你需要从中…...

Harness工程深度解析:从理论到实践的完整指南

专业名称Harness Engineering 3.2 - 智能体驱动的工程协同体系(Agent-Driven Engineering Collaboration Framework)行业定位:继DevOps、MLOps之后的第三代工程范式,专为多智能体系统(Multi-Agent Systems)…...

VSCode日志配置“黑盒”终结者:用$HOME/.vscode/logs/下的12类时间戳日志文件反向定位崩溃根源

更多请点击: https://intelliparadigm.com 第一章:VSCode日志配置 启用 VSCode 内置日志系统 VSCode 提供了详尽的运行时日志功能,用于诊断扩展行为、启动异常或语言服务器通信问题。可通过命令面板( CtrlShiftP / CmdShiftP&a…...

BitNet b1.58-2B-4T-gguf效果展示:中文古诗续写、技术术语解释、英文翻译对比

BitNet b1.58-2B-4T-gguf效果展示:中文古诗续写、技术术语解释、英文翻译对比 1. 模型特性概览 BitNet b1.58-2B-4T-gguf是一款突破性的开源大语言模型,采用原生1.58-bit量化技术,在保持高性能的同时实现了极致的资源效率。这款模型的核心创…...

SpringCloud Alibaba微服务链路追踪实战:Sleuth+Zipkin vs SkyWalking,我该选哪个?

SpringCloud Alibaba微服务链路追踪技术选型深度解析 技术选型的困境与破局 在微服务架构日益普及的今天,系统复杂度呈指数级增长。一次简单的用户请求可能涉及数十个微服务的协同工作,这种分布式特性给系统监控和故障排查带来了前所未有的挑战。作为技术…...

【ArkUI】使用 Grid/GridItem 组件构建网格显示

一、概述 网格布局是由“行”和“列”分割的单元格所组成,通过指定“项目”所在的单元格做出各种各样的布局。网格布局具有较强的页面均分能力,子组件占比控制能力,是一种重要自适应布局,其使用场景有九宫格图片展示、日历、计算器等。 ArkUI提供了 Grid 容器组件和子组件 …...

handsontable输入中文第一个字母丢失问题

首先查看 版本是否为最新版本 ,官网说 V14.4已经修复了问题 github上有解决方法https://github.com/handsontable/handsontable/issues/10773#issuecomment-1940713298 加上这个参数 :imeFastEdit"true" 另外说一下怎么重新实现将自带的功能(删除行/删除列等等)…...

Elasticsearch核心架构:集群(Cluster)原理详解与核心作用

Elasticsearch核心架构:集群(Cluster)原理详解与核心作用一、前言二、什么是 Elasticsearch Cluster?1. 官方定义2. 通俗理解3. 核心特点三、Elasticsearch Cluster 核心架构流程图四、ES 集群三大核心角色(节点类型&a…...

科技领袖的双面影响:创新与争议的边界

1. 科技领袖的双面影响:创新与争议的边界硅谷钢铁侠的称号背后,是一位不断打破常规的企业家。从PayPal的电子支付革命到SpaceX的太空探索,从特斯拉的电动汽车到Neuralink的脑机接口,这位科技先锋的每一个动作都牵动着全球目光。但…...

收藏!2026 年版大模型零基础入门指南,程序员小白快速学懂 AI 大模型

当下AI大模型赛道持续火爆,已然成为人工智能领域的核心发展方向,行业热度居高不下,不仅吸引了大量技术从业者关注,越来越多零基础小白、传统后端程序员,都想要入局大模型方向实现技能升级与职业转型。 不少新手都很困惑…...

ubuntu安装MySQL8.4 LTS

清华大学镜像库连接:清华大学开源软件镜像站 | Tsinghua Open Source Mirror 一、更新ubuntu索引包 # 更新包索引(必做) sudo apt update # 升级现有包(可选,推荐) sudo apt upgrade -y 二、使用清华大学…...

ESXi 5.5存储爆满导致vSphere Client报503?别慌,手把手教你从底层释放空间并重启服务

ESXi 5.5存储爆满引发vSphere Client 503错误的深度排查与根治方案 当你正通过vSphere Client管理虚拟机时,突然遭遇"503 Service Unavailable"错误,存储视图无法打开,近期任务列表不断报错——这种场景对VMware运维人员来说再熟悉…...

电解电容 vs 陶瓷电容:同样是电容,为什么用法差这么多?

在电源滤波、电机驱动、H 桥电路设计中,电容是最常用的被动元件之一。但很多初学者都有一个误区:只要容值一样,电容的效果就应该一样。这篇文章就来详细拆解这两类电容的特性差异,以及在实际工程中如何正确选型。一、核心差异速览…...

别再死记硬背了!用一张图+实战代码彻底搞懂UVM Phase的执行顺序

可视化拆解UVM Phase机制:从执行流程图到实战调试技巧 当你在仿真日志中看到main_phase迟迟不启动,或是发现不同组件的build_phase执行顺序与预期不符时,是否曾对UVM Phase的执行逻辑感到困惑?Phase机制作为UVM验证框架的核心调度…...

手把手教你处理C# WinForm后台线程,告别窗体关闭后进程残留

彻底解决C# WinForm后台线程残留问题的终极指南 当你在WinForm应用中使用了后台线程进行数据下载、定时任务或网络通信,是否遇到过关闭主窗体后进程仍在后台运行的尴尬情况?这个问题看似简单,却困扰着不少中级开发者。本文将带你深入理解线程…...

在Ubuntu 22.04上搞定gnina:一个生物信息学小白的CUDA 11.8+Python 3.10完整配置手记

在Ubuntu 22.04上搞定gnina:一个生物信息学小白的CUDA 11.8Python 3.10完整配置手记 作为一个刚踏入计算化学领域的科研菜鸟,第一次听说gnina这个结合了传统分子对接和深度学习技术的工具时,内心既兴奋又忐忑。兴奋的是它能用卷积神经网络提升…...

Linux进程管理相关命令

进程的概念 程序的一次执行实例称为进程,是操作系统资源分配的基本单位。每个进程拥有独立的地址空间、堆栈和系统资源。 ps命令 用于显示当前运行的进程状态,支持多种选项组合查看不同信息。 语法 ps [options]常见用法标准格式(System V风格…...

R语言新包pm3保姆级教程:三组倾向评分匹配,5分钟搞定SCI论文数据预处理

R语言pm3包实战指南:三组倾向评分匹配的科研加速方案 当你在深夜实验室盯着三组基线不平衡的回顾性数据发愁时,咖啡杯旁堆积的文献可能正在提醒你:距离论文截稿只剩72小时。医学和社会科学研究中,这种场景几乎每天都在重演——直到…...

这款OBS弹幕编辑神器,让你的直播录播更精彩!

这款OBS弹幕编辑神器,让你的直播录播更精彩! 在直播与录播的领域中,弹幕是增强互动性与丰富内容的关键要素。今天,为大家带来一款极为实用的OBS弹幕编辑网页程序,它能让弹幕操作变得轻松且高效。 产品概述 这是一款轻量…...

从I2C时序到数据读取:手把手调试ADS1115与STM32的通信问题

从I2C时序到数据读取:手把手调试ADS1115与STM32的通信问题 在嵌入式开发中,ADC模块的选择往往决定了整个系统的精度和稳定性。ADS1115作为一款16位精度的模数转换器,凭借其高性价比和I2C接口的便利性,成为了许多工程师的首选。然而…...

你的迷你主机也能炼丹!蝰蛇峡谷+Intel Arc显卡TensorFlow图像分类实战记录

迷你主机变身AI工作站:Intel Arc显卡实战图像分类模型训练 当大多数人还在用笨重的台式机或昂贵的服务器进行深度学习训练时,一群极客已经将目光投向了那些被低估的迷你主机。我最近尝试在Intel蝰蛇峡谷NUC上搭建了一个完整的TensorFlow训练环境&#xf…...

智能体系统设计模式:从ReAct到多智能体协作

1. 智能体系统设计模式入门指南在构建基于人工智能的智能体系统时,设计模式的选择直接决定了系统的可靠性、可扩展性和可维护性。就像建筑设计师需要掌握结构力学原理一样,AI工程师也需要理解这些经过验证的设计范式。本文将带你系统掌握七种核心设计模式…...

TCP-捎带应答原理与关键:三次握手

https://www.doubao.com/my-collection/43330445277406978%3FtypeThread...

别再手动打标了!CCPD车牌数据集的‘隐藏’信息与自动化预处理脚本分享

解锁CCPD数据集文件名密码:从零构建自动化标注流水线 当第一次打开CCPD数据集文件夹时,那些看似随机的文件名曾让我陷入困惑——直到发现这些字符串背后隐藏着完整的标注信息。本文将揭示如何将这些"加密"的字符转化为结构化标注数据&#xff…...

别再乱用if-else了!Verilog条件语句的5个实战避坑指南(附代码对比)

Verilog条件语句实战:从语法陷阱到工程级代码优化 在FPGA和数字IC设计领域,Verilog条件语句就像电路设计师手中的瑞士军刀——功能强大但使用不当可能伤及自身。经历过凌晨三点调试Latch问题的工程师都明白,if-else和case语句的差异绝非表面语…...

VSCode+Python+遥感影像处理实战配置(农业AI工程师私藏版)

更多请点击: https://kaifayun.com 第一章:VSCodePython遥感影像处理实战配置(农业AI工程师私藏版) 在农业AI工程实践中,高效处理Sentinel-2、Landsat或国产高分系列遥感影像,离不开轻量、可扩展且支持科学…...

学术英语语境重构!英文论文降AI工具实测:如何从底层逻辑摆脱AIGC感?

前几天我把初稿发给导师,内容没什么大问题,但是英文部分的AI率实在太高了,我自己用系统跑了一遍测试,turnitin检测ai率高达95%,我当时看着结果彻底懵了。 英文降ai确实难,很多人不知道怎么给英文降ai&…...

应对Turnitin严查:英文论文降AIGC率不踩坑的正确方法(附实操达标教程)

前几天我把初稿发给导师,内容没什么大问题,但是英文部分的AI率实在太高了,我自己用系统跑了一遍测试,turnitin检测ai率高达95%,我当时看着结果彻底懵了。 英文降ai确实难,很多人不知道怎么给英文降ai&…...

快手万人组织的 AI 研发范式跃迁和落地实践

大家好,我是玄姐。PS:SDD AI 编程干货直播,欢迎点击预约,直播见。快手用 3 年时间、1 万名研发、8 条业务线验证了一个反直觉结论:给工程师配上 AI 编程工具,个人编码效率提升 20%-40%,但组织整…...