研究
FullStack Bench
FullStack Bench是一款由字节跳动与M-A-P社区联合推出的专业代码评估工具,主要针对全栈编程和多语言编程能力进行评估。它包含11种真实编程场景、3374个问题以及16种编程语言,具备全面评估、多语言支持、实际场景模拟、代码质量控制等特点,适用于代码智能评估、教育与培训、研究开发、软件测试及多语言编程能力评估等多个场景。
Paperguide
Paperguide是一款结合了AI研究助理、文献管理和写作辅助功能的学术平台,支持用户通过AI搜索、论文简化、注释笔记、视频摘要等方式高效完成学术任务。其参考文献管理器和文本编辑器进一步提升了研究效率和写作质量,适用于科研人员、学生及教育工作者等群体。
PaperBench
PaperBench是OpenAI开发的AI智能体评测基准,用于评估其复现顶级机器学习论文的能力。它涵盖从理解论文、编写代码到执行实验的全流程,具备8316个评分节点和自动评分系统。支持多种智能体配置,提供标准化测试环境,适用于模型优化、学术验证及教育实践等领域,推动AI研究的标准化发展。
