# 多次元評価

Gemma-2-27Bをファインチューニングした決定木報酬モデルで、言語モデルが生成するコンテンツの品質評価に使用され、RewardBenchランキングで優れた性能を発揮しています。

これはmodernbert-embed-baseモデルをファインチューニングした文変換器で、文の埋め込みベクトルを生成し意味類似度を計算するために使用されます。

VideoScore-v1.1はMantis-8B-Idefics2を基にした動画品質評価モデルで、48フレーム推論をサポートし、テキストから動画への整合性サブスコアで優れた性能を発揮します。

SummLlama3-8BはLlama3-8B-Instructを初期化したテキスト要約モデルで、大規模な要約フィードバックによるDPOトレーニングにより最適化され、忠実性、完全性、簡潔性に優れた性能を発揮します。

70億パラメータのSelf-RAGモデルで、多様なユーザークエリに対して出力を生成し、検索システムの呼び出し、出力内容と検索段落の自己批判、反省タグの生成を自立的に行えます。

UniEvalは統一された多次元テキスト生成評価フレームワークで、事前学習評価器を通じて生成テキストの多次元総合評価を目的としています。

UniEvalは自然言語生成タスクのための多次元評価フレームワークであり、unieval-dialogは対話応答生成タスク向けの事前学習評価器です。

UniTEは翻訳品質を評価するための統一フレームワークで、特に英語ターゲットの翻訳タスクに最適化されています。