AISBench 评测工具
🚀 开始你的第一步
工具安装&卸载
快速入门
数据集准备指南
🧭 基础教程
支持的评测场景
评测场景简介
服务化精度测评
纯模型精度测评
服务化性能测评指南
评测结果说明
详细参数说明
🔬 进阶教程
自定义配置文件运行AISBench
服务化稳定状态性能测试
请求发送速率(RPS)分布控制及可视化说明
多轮对话测评指南
随机合成数据集使用指南
自定义数据集使用说明
使用裁判模型进行测评
📐 扩展评测基准
拓展多模态生成类评测基准
agent评测基准
💪 最佳实践
基于英伟达A100加速卡测评DeepSeek-R1-Distill-Qwen-14B的数学能力，100%论文复现
基于昇腾800I-A2测评DeepSeek-R1数学能力，100%论文复现
复现大语言模型（LLM）论文（技术报告）中的数据集测评结果（以DeepSeek R1使用的GPQA数据集为例）
❓常见问题
AISBench FAQ 常见问题解答
错误码说明
👨💻 开发者指南
贡献指南
支持新模型后端
支持新的数据集和精度评估器
支持新的推理器（Inferencer）
📝 提示词工程
Prompt 模板
Meta Template
Prompt 概述
Retriever
🏷️ 其他
🔜 即将推出
🤝 致谢
AISBench 评测工具
支持的评测场景
查看页面源码
支持的评测场景
评测场景简介
精度测评
性能测评
服务化精度测评
服务化精度测评前置约束
主要功能场景
其他功能场景
纯模型精度测评
测试准备
主要功能
其他功能
服务化性能测评指南
简介
服务化性能测评快速入门
服务化性能测评前置约束
主要功能场景
其他功能场景
服务化性能测试规格说明