【推荐理由】OpenICL是一款全新的开源工具包，用于上下文学习和LLM评估。支持各种最先进的检索和推理方法、任务和零/少样本评估LLM。

标题：OpenICL: An Open-Source Framework for In-context Learning

作者：Zhenyu Wu, Yaoxiang Wang, Jiacheng Ye, Jiangtao Feng, Jingjing Xu, Yu Qiao, Zhiyong Wu

[Shanghai AI Laboratory & East China Normal University & Xiamen University & The University of Hong Kong.]

论文链接：https://arxiv.org/pdf/2303.02913.pdf

项目链接：https://github.com/Shark-NLP/OpenICL

近年来，上下文学习（ICL）已经引起越来越多的关注，并成为大型语言模型（LLM）评估的新范式。与传统的微调方法不同，ICL通过适应预训练模型来处理未见过的任务，而无需进行任何参数更新。然而，由于涉及各种不同的检索和推理方法，以及不同模型、数据集和任务的各种不同的预处理要求，ICL的实现十分复杂。需要一个统一而灵活的ICL框架，以简化上述组件的实现。为了促进ICL研究，本文介绍了OpenICL，一个用于ICL和LLM评估的开源工具包。OpenICL具有高度灵活的架构，用户可以轻松地组合不同的组件来满足自己的需求。它还提供了各种最先进的检索和推理方法，以简化将ICL适应到前沿研究的过程。OpenICL的有效性已经在广泛的NLP任务上得到了验证，包括分类、问答、机器翻译和语义解析。作为一个附带产品，OpenICL是一种高效而稳健的LLM评估工具。