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。

openbb-agents - 基于LLM的自主金融研究与分析工具

API集成GithubOpenBB LLM Agents开源项目数据提供商自动研究金融分析

OpenBB LLM Agents是一个开源创新项目，结合大语言模型和OpenBB Platform进行自主金融研究。通过函数调用与OpenBB Platform交互，该工具能够分析最新市场数据，处理复杂的时序依赖查询，回答高级金融问题。支持Python 3.10+，可通过PyPI安装。配置OpenAI API密钥和数据提供商凭据后，用户可进行股票市值查询、基本面分析等多种金融分析任务，为金融分析提供灵活、准确的支持。

AgentPilot - 多代理AI交互平台支持分支对话和代码执行

AI代理Agent PilotGithub代码解释器多代理聊天开源桌面应用开源项目

AgentPilot是一款开源桌面应用，支持创建和管理多个AI代理，实现多代理交互和分支对话。该应用通过LiteLLM集成多家提供商的模型，允许用户使用自有密钥和数据。内置Open Interpreter功能可执行代码，还提供上下文块管理、工具创建和插件扩展等特性。AgentPilot为用户提供了一个灵活的AI交互环境。

lm-evaluation-harness - 统一测试生成式语言模型的多任务评估框架

GPT-NeoXGithubHugging FaceLanguage Model Evaluation HarnessOpen LLM LeaderboardvLLM开源项目

该项目提供统一框架，用于评估生成式语言模型，通过60多个标准学术基准和数百个子任务实现多样化测试。更新包括新的Open LLM Leaderboard任务、内部重构、基于配置的任务创建、Jinja2提示设计支持等高级配置选项，旨在简化和优化模型评估。支持快速高效推理、商业API、本地模型和基准测试。被广泛应用于机构如NVIDIA、Cohere、BigScience等，也支撑了🤗 Hugging Face的Open LLM Leaderboard。

AGIEval - 全面评估AI模型人类认知能力的基准测试

AGIEvalGithub人工智能评估基准测试基础模型开源项目自然语言处理

AGIEval是一个评估AI基础模型人类认知能力的综合基准。它包含20个源自高标准入学和资格考试的任务，涉及多个领域。AGIEval提供完整数据集、基线系统评估和详细评估方法，是衡量AI模型综合能力的权威工具。最新版本支持多语言评估，并设有完整排行榜，为研究人员提供了全面的AI模型能力评估平台。

jailbreakbench - 大语言模型越狱攻防能力评估基准

AI伦理GithubJailbreakBench基准测试安全性开源项目语言模型

JailbreakBench是一个评估大语言模型越狱攻防能力的开源基准。它包含JBB-Behaviors数据集、官方排行榜和越狱字符串存储库,全面追踪越狱攻击和防御进展。研究人员可利用JailbreakBench加载越狱字符串、访问数据集、进行红队测试,以及提交新的攻击和防御方法。该项目为大语言模型安全研究提供了稳定的性能比较平台。

awesome-ai-agents - 人工智能项目实践与框架的探索

AI AgentDevonE2BGithubPromptly开源项目项目专有名称

深入了解 awesome-ai-agents 项目，探讨开源与闭源项目的差异和特点。了解如何通过集成AI代理至SDK、框架和工具中，提升AI应用的部署、测试和监控效率。

TaskingAI - 智能代理开发平台

APIBaaSGithubLLM平台TaskingAI工具开源项目热门

TaskingAI是一款高效的后端即服务(BaaS)平台，专为基于大型语言模型(LLM)的智能代理开发和部署而设计。该平台提供统一的API接口，支持数百种AI模型并提供直观的用户界面。通过一键生产部署、异步计算优化以及模块化管理，TaskingAI不仅加快了应用开发流程，还通过插件和工具增强了智能代理的性能，让开发者可以轻松构建并扩展企业级智能应用。

E2B - 为 AI 代理和 AI 应用打造的安全沙盒云环境

AI代理AI沙箱E2BGithub云环境安全开源项目热门

E2B Sandbox为AI代理和应用提供安全的沙箱云环境，支持大型语言模型使用与人类相同的工具，如云浏览器、GitHub仓库等。此环境可连接任何LLM及AI代理或应用，适用于多种编程语言。详见官方文档了解更多。

reward-bench - 用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性的基准工具

GithubRewardBenchanymodel开源项目数据集文献评价标准

RewardBench是一款基准工具，用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性。该工具提供通用的推理代码、统一的数据集格式和测试，以确保公平评估，并拥有强大的分析与可视化功能。用户可以通过pip快速安装并运行评估脚本，测试各种奖励模型的性能和偏好集。

MultiBench - 多模态学习的多尺度标准基准

BenchmarkGithubMultiBenchMultimodal学习开源项目数据集深度学习

MultiBench是一个系统化、统一的大规模基准，用于多模态表征学习，覆盖15个数据集、10种模态、20个预测任务和6个研究领域。它提供自动化的端到端机器学习管道，简化数据加载、实验设置和模型评估，确保在真实世界中的适用性和鲁棒性。

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。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com