llm-colosseum

通过街头霸王对决实时评估LLMs的AI战斗力

LLM战斗 Street Fighter III 实时对决 ELO排名 Mistral 7B Github 开源项目

llm-colosseum利用街头霸王III平台让LLMs展开对战，评测它们的快速决策和策略适应。各模型根据表现获取ELO评分，通过模拟真实对战环境，探索不同LLM在实际竞技表现。项目创设新型基准测试，通过实战对比加深对LLM竞技性和响应智能的了解。

llm-leaderboard - 为LLM模型提供的全球性能排行榜

GithubLLM-Leaderboard开源开源项目榜单评估指标语言模型

llmperf-leaderboard - LLM推理服务性能基准测试与比较

GithubLLMPerfLLM推理提供商吞吐量响应时间开源项目性能基准测试

LLMPerf Leaderboard 项目对多家LLM推理服务进行性能评测，主要衡量输出令牌吞吐量和首个令牌响应时间(TTFT)。测试涵盖Llama-2系列的7B、13B和70B聊天模型，为开发者提供客观透明的性能数据和可复现的测试方法，有助于选择合适的LLM服务。

PokeLLMon - 结合大语言模型的宝可梦对战模拟器

AI对战GithubOpenAI APIPokéLLMonPokémon Showdown开源项目本地对战

PokéLLMon是一个结合大语言模型(LLM)的宝可梦对战模拟项目。它基于OpenAI API和Pokémon Showdown引擎，允许用户在本地环境中与AI对手进行宝可梦对战。该项目展示了大语言模型在策略游戏中的应用潜力。

mlc-llm - 通用大语言模型高性能部署引擎

AI模型优化GithubMLC LLMMLCEngine开源项目机器学习编译器高性能部署

MLC LLM是一款用于大语言模型的高性能部署引擎，支持用户在各种平台上开发、优化和部署AI模型。核心组件MLCEngine通过REST服务器、Python、JavaScript、iOS和Android等接口提供OpenAI兼容的API，支持AMD、NVIDIA、Apple和Intel等多种硬件平台。项目持续优化编译器和引擎，与社区共同发展。

lmms-eval - 大规模多模态模型评估框架加速AI发展

AI基准测试GithubLMMs-eval多模态模型开源项目评估框架

lmms-eval是专为大规模多模态模型(LMMs)设计的评估框架,整合多种基准和数据集,提供一致高效的评估方法。支持图像、视频等多模态任务,简化评估流程,加速模型开发和性能比较。该框架为研究人员提供灵活工具,助力理解和改进LMMs能力,推动人工智能向通用人工智能(AGI)发展。lmms-eval旨在成为加速LMMs发展的重要生态系统组件。

LLM Playground - 多模型在线交互平台，探索大语言模型技术

AI工具APILLM Playground人工智能模型选择聊天界面

LLM Playground是一个开放的大语言模型交互平台。它整合了多个AI模型，具备系统提示定制、网络搜索和语音输入等功能。平台支持文本对话和内容生成，并提供聊天记录管理。用户可自定义API端点，实现灵活的AI交互。作为开源项目，LLM Playground致力于推动大语言模型技术的发展和应用，欢迎社区贡献。

what-llm-to-use - 主流开源与商业LLM模型的选择标准、特点及应用场景的详细介绍

DevAIGithubLLM商业模型开源模型开源项目编程

DevAI领域发展迅速，开发者需选择适合的LLM模型。本文详细介绍主流开源与商业LLM模型的选择标准、特点及应用场景，包含从本地环境到托管服务的部署指南，提供全面对比与建议，帮助开发者提升开发效率。欢迎贡献意见以完善此LLM索引。

llm-comparator - 交互式可视化工具对比分析大语言模型性能

GithubJSON格式LLM ComparatorPython库可视化工具开源项目模型评估

LLM Comparator是一个开源的交互式可视化工具,用于分析和比较大语言模型的评估结果。用户可上传自定义JSON文件或使用示例数据,通过多种可视化方式展示不同模型在各类任务中的表现差异。工具配套Python库可生成兼容JSON文件,支持自动模型评估和原理聚类。研究人员和开发者可借助此工具深入洞察不同模型的优劣,为大语言模型研究提供直观分析支持。

BotLab - 游戏AI机器人测试与评估模拟环境

AI工具AI游戏BotLab性能评估机器人模拟游戏测试

BotLab作为游戏AI机器人测试平台，模拟多样化游戏环境。用户可在各种挑战场景中观察机器人行为，无需代码分析即可评估性能。平台提供快速、安全的方法测试机器人可靠性、性能和安全性，促进游戏AI技术的理解与优化。

RoleLLM-public - 评估与提升大语言模型角色扮演能力的框架

GithubRoleLLM基准测试大语言模型开源项目微调角色扮演

RoleLLM框架旨在评估和增强大语言模型的角色扮演能力。该框架包含RoleBench数据集、Context-Instruct知识提取方法、RoleGPT风格模仿技术和RoCIT微调策略。通过这些组件，RoleLLM显著提升了开源模型的角色扮演表现，在某些方面达到了与GPT-4相当的水平。这一框架为大语言模型在角色扮演任务中的应用提供了新的研究方向。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com