DataLearnerAI-GPT：可以回答关于大模型评测结果的GPT

最近自定义GPTs非常火热，出现了大量的自定义GPT，可以完成各种各样的有趣的任务。DataLearnerAI目前也创建了一个DataLearnerAI-GPT，目前可以回答大模型在不同评测任务上的得分结果。这些回答是基于OpenLLMLeaderboard数据回答的。未来会考虑增加更多信息，包括DataLearner网站上所有的大模型博客和技术介绍。

DataLearnerAI-GPT体验地址：https://chat.openai.com/g/g-8eu9KgtUm-datalearnerai-gpt

DataLearnerAI-GPT简介

大模型的发展非常快，但是各家宣称自己的模型都很好，超过GPT-3.5的宣传也很多，为了更加方便大家对比和追踪评测结果，HuggingFaceH4推出了OpenLLMLeadboard，收集了全球各种大模型在不同评测任务上的评分结果。

目前OpenLLMLeaderboard收集了如下的评测结果：

• AI2 Reasoning Challenge (25-shot)：一套小学科学问题。
• HellaSwag (10-shot)： 对于人类而言简单（大约95%）的常识推理测试，但对于最新技术模型而言具有挑战性。
• MMLU (5-shot)： 测试文本模型的多任务准确性，涵盖57项任务，包括小学数学、美国历史、计算机科学、法律等。
• TruthfulQA (0-shot)：测试模型复制网络上常见虚假信息的倾向。注意：工具中的 TruthfulQA 实际上至少是6次尝试的任务。
• Winogrande (5-shot)：大规模的、具有对抗性的、困难的 Winograd 基准测试，用于常识推理。
• GSM8k (5-shot)：多样化的小学数学文字问题，用于测试模型解决多步骤数学推理问题的能力。
• DROP (3-shot)：要求对段落内容进行离散推理的英语阅读理解基准测试。

可以看到，这些评测涵盖了语言理解、数学推理等多方面的能力。但是，这些都是表格数据，为了更加方便大家查询各大模型的评测结果，或者根据指定需求筛选模型结果，我们基于OpenAI最新的自定义GPT功能建立了DataLearnerAI-GPT，目前已经支持回答基于OpenLLMLeaderboard数据回答大家关于大模型评测的问题了。

DataLearnerAI-GPT的测试样例

我们也测试了几个问题，可以方便大家看如何使用。

第一个问题，目前理解能力最强的预训练模型是哪个？（what is the most comprehensibility pretrained LLM?）

结果如下：

它可以准确基于评测得分知道理解能力最强的是零一万物开源的Yi-34B模型，可以继续追问要求给出HF的链接。

也可以提问70亿参数规模左右推理能力比较强的模型：

这里只是示例，你也可以考虑使用中文问答。DataLearnerAI-GPT的链接： https://chat.openai.com/g/g-8eu9KgtUm-datalearnerai-gpt 欢迎大家使用。

OpenLLMLeaderboard的DataLearner访问站

另外，由于HF访问的不稳定，OpenLLMLeaderboard参考价值虽然很大，对于国内用户不够友好，为此，DataLearner也备份了相关数据：https://www.datalearner.com/ai-models/open-llm-leaderboard

截图如下：

目前是按照平均分倒排，未来会增加更多筛选内容。欢迎大家交流~