研究人员开发了 HugSelect，一个旨在协助基础模型选择的新型框架。与目前依赖流行度或简单关键词搜索的模型中心不同，HugSelect 将模型选择视为一项结构化的软件工程任务。它聚合了来自 71,274 个模型的数据，包括存储库元数据、功能能力和社区感知的质量，以提供具有透明的、按标准级别的分数分解的排名推荐。评估表明，HugSelect 的推荐质量与商业 LLM 系统相当，功能特性是准确性的关键驱动因素。 AI
影响 提供了一种结构化、可解释的基础模型选择方法，有望提高人工智能开发的效率和透明度。
排序理由 这是一篇详细介绍基础模型选择新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
