AgentBench

全面评估大型语言模型在多环境下的自主代理能力

AgentBench LLM-as-Agent 评估框架测试结果任务设置 Github 开源项目

AgentBench是首个评估大型语言模型（LLM）作为自主代理的基准，涵盖操作系统、数据库、知识图谱等8个不同环境。该项目通过多任务设置和完整的数据集，深入分析LLM的实际应用能力。新版AgentBench v0.2优化了框架结构，并增加了更多模型的测试结果，方便开发者扩展和使用。

LLMs-Planning - 大型语言模型规划与推理能力评估与分析工具

GithubLLM人工智能基准测试开源项目规划评估

LLMs-Planning项目包含PlanBench和大型语言模型规划能力分析两个子项目。PlanBench提供可扩展的基准测试，用于评估大型语言模型在规划和推理变化方面的表现。项目还对大型语言模型的规划能力进行了批判性调查，为自然语言处理和人工智能规划领域的研究者提供了重要参考。

AutoAgents - 增强大语言模型的复杂问题解答能力

AutoAgentsGithubLLM信息搜索能力复杂问题回答开源项目链式思考

AutoAgents项目通过思维链推理和信息搜索能力提升大语言模型的复杂问题解答水平。该项目展示了语言模型理解目标、制定计划、使用工具和输出结果的能力。目前重点开发Web搜索代理，并计划推出7B参数模型。用户可在Hugging Face平台体验演示或本地运行代理。未来发展方向包括构建高质量数据集、优化模型性能和扩展功能。

Auto-GPT-Benchmarks - 自动化智能代理基准测试框架评估代码检索记忆和安全性能

AI代理Auto-GPTGithub基准测试开源项目性能评估排名

Auto-GPT-Benchmarks 是一个自动化智能代理基准测试框架，用于客观评估代理在代码、检索、记忆和安全性方面的性能。框架提供详细评分和排名，有助于开发者优化代理性能。尽管该项目已被弃用，其功能已转移至 AutoGPT 主仓库的 benchmark 文件夹。最新测试结果显示 Beebot、mini-agi 和 Auto-GPT 表现最佳。

lagent - 一个专为高效构建基于大型语言模型（LLM）的代理而设计的开源轻量级框架，

GithubLagent大语言模型开源开源项目智能代理流式输出

Lagent是一个开源轻量级框架，专为高效构建基于大型语言模型（LLM）的代理而设计。该框架提供流式输出接口，统一的接口设计及完备的API文档，支持多种模型和代理的快速开发。了解Lagent的核心功能和技术架构，助力开发效率。

agentchain - 使用大型语言模型（LLM）来规划和编排多个代理，或使用大型模型（LM）来完成复杂的任务。

AgentChainGithub交互代理任务编排多模态大型语言模型开源项目

AgentChain采用先进的的大型语言模型，提供基于自然语言输入的规划与决策能力，支持文本、图像、音频和表格数据等多模态输入输出。其智能系统能够协调多个agent执行复杂任务，适用于计算机视觉、语音识别等数据处理工作，并可定制以满足各类项目需求，从自动化生成旅游图片到金融分析报告。此外，AgentChain还能通过Twilio等平台实现邮件发送和电话通知等通信任务。

XAgent - 开源的实验性大型语言模型驱动的自主代理

GithubXAgent人工智能大语言模型开源开源项目热门自主代理

XAgent是一款开源的大型语言模型驱动的自主代理，旨在自动解决各种任务。该项目处于初期阶段，团队正致力于不断完善。XAgent具备自动性、安全性、可扩展性和人机合作等特点，通过独特的分派器、计划器和执行器三部分协同工作，实现复杂任务的高效处理。目标是打造一个能解决任何给定任务的超级智能代理。

AgentGym - 多环境下的广泛能力AI智能体进化平台

AgentGymGithub人工智能基准套件开源项目自我进化方法高质量轨迹集

AgentGym是一个框架，通过多种交互环境和统一任务格式，协助科研人员评估和开发具备广泛能力的语言模型智能体。平台支持实时反馈和并发操作，包含14种环境，如网页导航、文字游戏和家务任务。核心组成包括高质量的轨迹集AgentTraj和基准测试套件AgentEval，并提出了智能体自我进化方法AgentEvol。实验结果显示，进化后的智能体可与当前最先进的模型媲美。

LLM-Agent-Paper-List - 基于LLM的代理进行了系统而全面的调查，并列出了一些必读的论文

AgentGymGitHub TrendingsGithubR3人工智能大语言模型开源项目

该项目研究基于大型语言模型的智能代理，从核心构建到多模态输入及行动扩展提供全面分析。研究重点包括单代理和多代理的协作场景及与人类互动，探讨智能代理在多种应用领域的潜力及面临的挑战，旨在开拓通用人工智能（AGI）建设的新途径。

awesome-llm-powered-agent - 提供了大语言模型（LLM）驱动的智能代理相关的优质资源

GithubLLM人机交互多智能体合作开源项目机器学习自动化任务求解器

Awesome LLM-Powered Agent为研究者和开发者提供了大语言模型（LLM）驱动的智能代理相关的优质资源。网站包含从关键论文到开源项目的广泛资料，实施定期更新。这些资源旨在支持智能代理独立或协同处理复杂任务，以及模拟人际交互，进而推动智能代理与人类互动的全面发展。

yet-another-applied-llm-benchmark - 基于真实场景的大语言模型能力评估基准

API密钥Docker容器GithubLLM基准测试开源项目数据流DSL模型评估

yet-another-applied-llm-benchmark是一个评估大语言模型在实际应用场景中表现的基准测试项目。该项目包含近100个源自真实使用情况的测试案例，涵盖代码转换、反编译、SQL生成等多种任务。通过简单的数据流DSL设计测试，项目提供了一个灵活的框架来评估大语言模型的实际能力。这个基准虽不是严格的学术标准，但为开发者提供了衡量大语言模型在日常编程任务中表现的实用方法。

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