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。

modelscope-agent - 可定制和扩展的开源大语言模型代理框架

GithubModelScope-Agent代理系统大语言模型工具调用开源项目智能助手

ModelScope-Agent 是一个可定制和扩展的代理框架，支持角色扮演、工具调用、规划和记忆功能。通过简单配置，可以快速实现代理应用，利用丰富的模型和工具接口，如 Dashscope、OpenAI 等。框架低耦合、高扩展性，便于开发者扩展和定制各种代理应用，适用于多种实际应用场景。

LLM-Agent-Survey - 大语言模型驱动智能体的构建应用与评估综述

GithubLLM人工智能大语言模型开源项目机器学习自主代理

该研究全面综述了基于大语言模型(LLM)的自主智能体，探讨了智能体的核心组件和应用领域。作为该领域首个发表的综述论文，研究分析了LLM智能体在多个学科的应用，并讨论了评估策略，为该快速发展领域的研究人员提供了宝贵见解。

JudgeLM - 大语言模型开放场景高效评估技术

GithubJudgeLM大语言模型开放式任务开源项目微调模型评估

JudgeLM是一个用于训练和评估大语言模型评判器的开放平台。通过微调技术，该项目实现了对开放场景中大语言模型的高效评估，评判一致性超过人类水平。JudgeLM提供先进的评判器训练和评估代码，能够处理单一回答、多模态模型、多个回答和多轮对话等任务。此外，该平台还集成了分布式多模型服务系统和Web界面，方便用户使用和部署。

ToolBench - 大规模工具使用指令数据集与开源语言模型

AI工具APIGithubToolBench大规模语言模型工具使用能力开源项目

ToolBench项目构建了大规模的指令微调数据集，旨在提升语言模型的工具使用能力。该项目收集了16464个真实API，覆盖单工具和多工具场景，采用深度优先搜索决策树方法生成注释。项目提供训练脚本和微调后的ToolLLaMA模型，其工具使用能力达到了与ChatGPT相当的水平。

InfiniteBench - 长文本语言模型评测基准挑战10万词极限

GithubInfiniteBench人工智能基准测试开源项目语言模型长文本评估

InfiniteBench是一个专门评测语言模型超长文本处理能力的基准工具。它设计了12个涵盖真实和合成场景的任务，用于测试模型在10万词以上上下文中的理解和推理能力。该基准不仅有助于推动语言模型技术进步，还为改进LLM应用提供了重要参考。InfiniteBench的多样性和专业性使其成为评估长文本处理能力的有效工具。

search-agents - 树搜索算法助力语言模型智能体优化网页交互决策

AI代理GithubTree SearchVisualWebArena开源项目网页环境语言模型

这个开源项目开发了一种创新的树搜索算法，提升了语言模型智能体在网页环境中的探索和规划能力。该方法在VisualWebArena和WebArena基准测试中得到验证，支持GPT-4和Llama-3等多种模型。项目提供完整文档，包括安装指南、评估流程和基线复现方法，为研究人员和开发者提供了实用工具。

langchain-benchmarks - LLM任务基准测试工具

GithubLLM任务LangChain BenchmarksLangSmith基准测试工具使用开源项目

提供多种LLM任务基准测试工具，涵盖数据集收集、任务评估等全流程。依赖LangSmith平台，附有详细文档和实例，鼓励用户优化和测试解决方案。

rci-agent - 智能代理利用语言模型解决计算机任务

GithubMiniWoB++RCI Agent开源项目自然语言计算机任务语言模型

RCI Agent是一个基于预训练语言模型的智能代理，专门用于执行MiniWoB++基准测试中的计算机任务。该项目采用RCI提示方案优化输出，在样本效率方面表现出色。相比其他模型，RCI Agent使用更少的样本即可达到仅次于CC-Net的性能。这一研究成果展示了大型语言模型在解决通用计算机任务中的潜力，为克服专家演示获取和奖励函数定义等挑战提供了新思路。

SWE-bench - 基于GitHub问题的语言模型评估

DockerGitHubGithubICLR 2024Princeton NLPSWE-bench开源项目

SWE-bench是一个基准测试平台，用于评估语言模型在解决GitHub问题中的表现。提供代码库和问题描述，模型生成修复补丁。项目支持Docker容器实现高效可重复测试。最新更新包括SWE-agent的引入，提升评估基准表现。支持x86_64和实验性arm64架构，提供多样数据集和模型下载选项。欢迎NLP、机器学习和软件工程领域的贡献和反馈。

agentUniverse - 基于大语言模型的多代理框架，简化企业协作

GithubagentUniverse协作模式多智能体开源项目领域专业知识高效解决方案

agentUniverse是一款灵活且易扩展的多代理框架，通过专用组件解决多领域问题，帮助开发者和企业构建高级协作代理。其独特的PEER模式和DOE模式，有效分解复杂任务，提升了数据密集型和高计算精度任务的执行效果。agentUniverse支持快速部署和代理构建，并已在多种行业中验证，未来将持续扩展新模式，增强领域知识集成与专业化定制。

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