评估

1. 首页
2. 评估

xbench

xbench是红杉中国推出的AI基准测试工具，采用双轨评估体系，追踪模型的理论能力上限与实际落地价值。其长青评估机制动态更新测试内容，确保时效性。xbench包含科学问题解答和中文互联网深度搜索两个核心评估集，按季度或每月更新题目。工具还提供垂直领域智能体评测、实时更新与LeaderBoard功能，适用于模型能力评估、真实效用量化、产品迭代指导等场景，推动AI系统在真实场景中的效用提升。

AI项目与工具 2025年06月11日 33 点赞 0 评论 287 浏览

BALROG

BALROG是一款用于评估大型语言模型（LLMs）和视觉语言模型（VLMs）在游戏环境中推理能力的框架。它通过程序化生成的游戏环境，测试模型的规划、空间推理及探索能力，并提供细粒度的性能指标和公开排行榜，以促进AI技术的发展，适用于游戏AI开发、机器人技术、虚拟现实等多个领域。

AI项目与工具 2025年06月12日 37 点赞 0 评论 287 浏览

口语精灵

口语精灵是一款基于人工智能的英语口语学习工具，提供1V1智能对话练习，涵盖生活、工作、考试等多场景，支持多种英语口音。其具备发音评估、语法纠错、语句优化等功能，帮助用户提升口语表达的准确性和自然度。同时，该工具提供个性化学习方案和考试备考支持，适用于不同学习阶段的用户。

AI项目与工具 2025年06月12日 61 点赞 0 评论 296 浏览

LMMs

LMMs-Eval 是一个用于多模态AI模型的统一评估框架，提供标准化、广泛覆盖且成本效益高的性能评估解决方案。它支持超过50个任务和10多个模型，并通过透明和可复现的评估流程帮助研究者和开发者全面了解模型能力。LMMs-Eval 还引入了 LMMs-Eval Lite 和 LiveBench，分别通过精简数据集降低评估成本并动态更新评估数据集，以确保模型泛化能力的有效评估。

AI项目与工具 2025年06月12日 86 点赞 0 评论 298 浏览

LMArena AI

前身为lmsys.org，是一个专注于众包AI基准测试的开放平台，用户可以在此平台上免费与AI聊天并进行投票，比较和测试不同的AI聊天机器人。

Ai平台模型 2025年06月05日 13 点赞 0 评论 301 浏览

Umax

Umax是一款基于AI的面部分析工具，通过上传自拍照提供颜值评分、面部特征分析及个性化改进建议。具备进度跟踪、虚拟化妆、滤镜等功能，帮助用户提升外貌与自信。适用于日常美容、自我提升及美学学习，适合关注形象管理的用户。

AI项目与工具 2025年06月12日 88 点赞 0 评论 317 浏览

Screenify

Screenify是一款AI驱动的面试工具，帮助企业优化招聘流程。通过自动化面试创建、智能评估和远程面试功能，提升筛选效率与公平性。支持多语言、个性化配置及与ATS系统集成，提供详细反馈和分析，助力企业精准选才。

AI项目与工具 2025年06月11日 12 点赞 0 评论 319 浏览

AlphaEvolve

AlphaEvolve是谷歌DeepMind开发的通用科学代理，结合大型语言模型与进化算法，用于设计和优化复杂算法。它在数据中心调度、硬件设计、AI训练和数学问题解决等领域取得显著成果，如优化矩阵乘法、提升系统效率等。系统采用自动化评估机制，支持跨领域应用，具备高效计算和持续优化能力。

AI项目与工具 2025年06月11日 98 点赞 0 评论 322 浏览

MMSearch

MMSearch 是一款用于评估大型多模态模型（LMMs）搜索能力的基准测试工具，包含 MMSearch-Engine 框架和 MMSearch 测试集。其核心功能包括问题重构、网页排序和答案总结，通过多模态搜索能力评估提升 LMMs 的性能。实验结果显示 GPT-4o 在该测试中表现优异，且增加计算量比扩大模型规模更具优势。

AI项目与工具 2025年06月12日 44 点赞 0 评论 335 浏览

沃研Turbo大模型

沃恩智慧公司专为大学生设计的科研大模型，有期刊推荐、文献摘要、论文精读、翻译润色、创新点评估、个性化论文推荐以及AI降重等功能。

Ai平台模型 2025年06月05日 51 点赞 0 评论 335 浏览