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。

ChemLLMBench - 化学领域大语言模型能力评估的全面基准

ChemLLMBenchGithubNeurIPS 2023化学基准测试大语言模型开源项目

ChemLLMBench是一个评估大语言模型在化学领域能力的全面基准。该项目包含八个化学任务，从分子结构预测到反应产率预测，并提供详细数据集、评估方法和基线模型。ChemLLMBench为研究人员探索大语言模型在化学应用提供重要参考，其研究成果已被NeurIPS 2023数据集与基准赛道接收，彰显学术影响力。

KwaiAgents - 开源智能代理研究与模型

GithubKAgentBenchKAgentInstructKAgentLMsKAgentSys-LiteKwaiAgents开源项目

KwaiAgents是由Kuaishou Technology旗下的KwaiKEG开放源代码的智能代理相关工作系列。该项目包括轻量化智能系统KAgentSys-Lite和KAgentLMs系列代理性能语言模型。KAgentInstruct为围绕代理任务的大规模微调数据集，提供超过20万条指导性微调数据；而KAgentBench则提供超过3000条人工编纂的自动化评估数据，支持策划、工具使用、反思、结论和分析等多维评估。这些开源人工智能解决方案，尤其语言模型性能的优化，确保了与其他智能代理模型的比较优势。

agents - 轻量级AI代理开发框架

GithubGlobe Agent FrameworksLLM编程上下文管理代码生成开源框架开源项目

Globe Agent Frameworks提供了一系列精简的LLM提示和编程技术。该项目通过最小化可复制的代码示例，展示了AI代理编程的核心概念，包括内部独白、目标导向编程和结构化输出。此外，它还包含上下文管理和代码生成的示例。开发者可以通过复制和修改这些代码来创建自定义AI代理解决方案。

Autonomous-Agents - 自主代理人领域的最新研究动态

Autonomous AgentsGithubLLM多智能体系统开源项目深度学习研究论文

Autonomous Agents项目每日更新研究论文，涵盖大模型推理计算、递归多代理系统、身份生成等多个领域。该项目致力于通过推理计算优化、任务环境生成和工具管理等方式，提高自主代理人的效率与功能。每篇论文经过评审，展示了LLM模型在角色模拟、法律咨询和心理健康咨询等领域的应用。了解最新技术和实际案例，洞见自主代理人的发展趋势。

agents - 符号学习驱动自我进化的语言智能体

Agents 2.0Github多代理系统开源项目符号学习自我进化语言损失

Agents 2.0通过符号学习框架，实现语言智能体的自我进化。该框架借鉴连接主义学习方法，采用语言损失、梯度和权重更新机制，实现智能体训练中的前向传递、损失评估和后向传播。适用于优化多智能体系统，增强了语言智能体的训练和评估能力，适合自然语言处理和自主智能体研究的开发者。

SEED-Bench - 多模态大语言模型评估基准

GithubSEED-Bench人工智能基准测试多模态大语言模型开源项目评估维度

SEED-Bench是一个全面评估多模态大语言模型的基准测试。它包含28K个多项选择题，涵盖34个评估维度，包括文本和图像生成能力。该项目提供SEED-Bench-H、SEED-Bench-2-Plus等多个版本，分别针对不同评估方面。SEED-Bench为研究人员提供了一个客观比较多模态大语言模型性能的工具。

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。

Multi-Agents-Debate - 多智能体辩论框架激发大语言模型发散思维能力

AI辩论GithubMulti-Agent Debate大语言模型开源项目认知行为语言模型

该项目提出创新的多智能体辩论框架，激发大语言模型发散思维能力。通过模拟辩论过程，有效克服自我反思中可能出现的思维退化问题。实验显示，此方法在反直觉问答和常识机器翻译等任务中带来显著持续改进。项目探索大语言模型间交互和辩论能力，为人工智能领域开辟新研究方向。

agentlego - 多模态工具扩展及集成的开源库

AgentLegoGithub图像生成大语言模型开源项目视觉感知语音处理

AgentLego是一个提供多种工具API的开源库，旨在增强基于大语言模型的代理功能。它支持多模态工具，如视觉感知、图像生成与编辑、语音处理等，且易于集成到LangChain、Transformers Agents和Lagent等框架中。同时，AgentLego支持远程访问和工具服务，适用于需要大型机器学习模型或特定环境的应用。

llama-agentic-system - 基于Llama 3.1的多功能智能系统

Githubllama-agentic-system代理任务分布式系统大语言模型安全评估开源项目

llama-agentic-system是基于Llama 3.1构建的智能系统,具备任务分解、多步推理和工具使用能力。系统集成了模型推理、安全检查和代码执行环境,并通过Llama Guard进行内容过滤,为开发者提供了构建生成式AI应用的完整工具链。

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