评估
  1. 首页
  2. 评估

列表

CAR

CAR

CAR（Certainty-based Adaptive Reasoning）是字节跳动联合复旦大学推出的自适应推理框架，旨在提升大型语言模型（LLM）和多模态大型语言模型（MLLM）的推理效率与准确性。该框架通过动态切换短答案和长形式推理，根据模型对答案的置信度（PPL）决定是否进行详细推理，从而在保证准确性的同时节省计算资源。CAR适用于视觉问答（VQA）、关键信息提取（KIE）等任务，在数学
AI项目与工具 2025年06月11日
VE

VE

VE-Bench是北京大学MMCAL团队研发的一款视频编辑质量评估工具，包含数据库（VE-Bench DB）和量化评估模块（VE-Bench QA）。它综合考虑了视觉质量、文本-视频一致性及源视频与编辑后视频的动态关联性，旨在实现与人类感知一致的精准评估。适用于电影制作、短视频优化、广告行业等多个领域。
AI项目与工具 2025年06月12日
FullStack Bench

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。
AI项目与工具 2025年06月12日
Agentar

Agentar

Agentar是蚂蚁数科推出的智能体开发平台，面向金融机构提供一站式AI开发工具。平台基于大量金融数据与AI技术，支持零代码、低代码开发，具备高安全性与合规性。其核心功能涵盖可信智能体技术、高质量知识库、可视化编排及丰富服务组件，适用于智能投研、客服、风控、营销与合规管理等场景，助力金融机构提升决策效率与智能化水平。
AI项目与工具 2025年06月11日
Collaborative Gym

Collaborative Gym

Collaborative Gym（Co-Gym）是一款支持人机协作的开发框架，具备异步交互、任务环境设计和多维评估功能。它通过模拟与真实环境支持开发者进行高效迭代与实际部署，适用于旅行规划、表格分析和文献综述等多种协作任务，提升人机协作效率与质量。
AI项目与工具 2025年06月12日
LongReward

LongReward

LongReward是一种由清华大学、中国科学院及智谱AI联合开发的AI工具，专注于通过多维度评估（有用性、逻辑性、忠实性和完整性）来优化长文本大型语言模型的表现。它利用现成的语言模型提供奖励信号，并结合强化学习算法改善模型性能，特别擅长处理复杂长文本任务，如文档理解、摘要生成及特定领域的数据分析，如法律、金融和医疗。
AI项目与工具 2025年06月12日
North

North

North 是 Cohere 推出的企业级 AI 工作平台，提供安全、高效的 AI 解决方案，支持私有云或本地部署。内置 Compass 搜索系统，可处理多种数据类型并支持多语言，提升任务效率。平台集成了高性能语言模型和自动化工具，适用于金融、医疗等行业，可用于风险评估、客户支持、疾病诊断、药物研发等多个场景，增强企业智能化水平。
AI项目与工具 2025年06月12日
potis.ai

potis.ai

Potis.ai 是一款基于 AI 技术的招聘平台，通过自动化行为面试、智能面试协助和人才评分系统，帮助企业提升招聘效率，降低时间和成本支出。平台支持无缝集成至现有流程，提供详尽的候选人反馈和团队协作优化功能，适用于远程招聘、大规模招聘及技术岗位评估等多种场景。
AI项目与工具 2025年06月12日
SmartPrep.AI

SmartPrep.AI

SmartPrep.AI是一款基于AI的大模型教学辅助平台，专为教师和学生提供智能化解决方案。其核心功能涵盖智能课程计划生成、多源教学资源整合、可定制化评估工具等，支持多种教学方法并实现个性化定制。此外，它还适用于日常备课、跨学科项目设计、新教师培训以及远程教学等多种场景，显著提升教育工作的效率与效果。
AI项目与工具 2025年06月12日
AndroidLab

AndroidLab

AndroidLab 是一款面向 Android 自主代理的训练与评估框架，集成了文本和图像模态操作环境，提供标准化的基准测试任务。它通过支持多种模型类型（LLMs 和 LMMs），覆盖九个应用场景的 138 项任务，有效提升了开源模型的性能。此外，AndroidLab 提供了丰富的评估指标和操作模式，助力研究者优化模型表现并推动开源解决方案的发展。
AI项目与工具 2025年06月12日