低成本GPU上的大语言模型基准测试研究数据集

数据集概述

本数据集为论文《LLMs on Affordable GPUs: A Benchmarking Study》的配套数据，包含大语言模型在低成本GPU上的问答与计时原始数据、分析图表示例及所用源代码，支持相关研究的复现与扩展。

文件详解

• 文件名称: rawData.tar
• 文件格式: TAR (.tar)
• 内容说明: 包含问答任务数据及计时数据的原始文件
• 文件名称: scaling.pdf
• 文件格式: PDF (.pdf)
• 内容说明: 论文中使用的分析图表示例文件
• 文件名称: FastChatFork.tar
• 文件格式: TAR (.tar)
• 内容说明: 研究使用的源代码文件，对应GitHub仓库（https://github.com/DaGeRe/FastChat）的0db66f3a8c0bb4b30fc194efe217890b6e7ab42e提交版本

适用场景

• 大语言模型性能评估: 分析不同大语言模型在低成本GPU上的运行效率与问答能力
• 硬件适配研究: 探索低成本GPU对大语言模型部署的支持潜力与优化方向
• 论文复现: 复现《LLMs on Affordable GPUs: A Benchmarking Study》中的实验结果
• 源代码参考: 参考FastChatFork的实现逻辑，开展相关大语言模型基准测试工作