awesome-mobile-agents开源项目 – 智能代理资源集合

OpenRouter是一个专为大型语言模型（LLM）和其他AI模型设计的路由器，用户可以浏览排名和文档，以找到最佳模型及其价格，从而优化他们的提示使用体验。

GradientJ旨在使NLP应用更易获取，提供创建、微调和管理NLP应用的综合解决方案，充分利用大语言模型的能力。

BIG-Bench是一个用于评估神经网络模型性能的基准测量工具，旨在提供全面的评估方法，通过多个任务和指标来衡量AI模型的能力。

EgoExoLearn是一个数据集，旨在将自我中心与外部中心的视角结合，以解析现实世界中的程序活动。该项目关注程序活动的异步数据收集，提供丰富的场景和数据，以便更好地理解人类行为。

这是一个汇集了来自网络的法律自然语言处理（LegalNLP）资源的精选列表，提供了丰富的工具、库、论文和数据集，旨在帮助研究人员和开发者更好地进行法律领域的自然语言处理工作。项目定期更新，以确保包含最新的法律NLP进展，并且得到了法律和NLP领域专家的贡献。

SciBench旨在评估语言模型在复杂科学问题解决中的推理能力。通过开放和封闭数据集的深入基准测试，研究发现当前的语言模型在整体性能方面表现不佳，仅得到35.80%的分数。

该项目旨在收集所有与法律AI相关的数据，以促进智能司法系统的开发。

olmOCR-mix-0225 是一个专为 OCR（光學字符識別）和文檔理解模型訓練設計的數據集，包含約 250,000 頁 PDF 文件，這些文件通過 gpt-4o-2024-08-06 轉換為純文本，保留了原始數字內容。數據集來源包括網絡爬取的 PDF 和互聯網檔案館的書籍，涵蓋多種類型文檔，如學術論文、宣傳冊和法律文件等，適用於訓練、微調或評估 OCR 文檔處理系統。數據集由 105,504 個唯一文檔和 266,135 頁組成，並提供了詳細的元數據和提取內容，支持多種 OCR 和文檔理解任務。

文化NLP研究资源库：汇集文化自然语言处理领域的精选资源，涵盖研究论文、数据集、模型和应用，为跨文化语言技术研究提供参考和启发

RoboManipBaselines是一个集成了多种模仿学习方法和基准任务环境的软件，旨在为机器人操控提供基准和支持，提升学习效率与准确性。

通过高质量合成数据提升多模态多语言嵌入性能的创新项目，支持多种任务和语言，在MMEB基准测试中达到SOTA性能，致力于推动跨模态学习的进步。

关于人类运动理解和生成研究的聚合项目，包含了大量的学术研究、数据集、以及人类运动分析和合成的相关技术和方法

matmul 是一个专注于优化C语言中矩阵乘法性能的项目。它提供了高效的矩阵乘法算法实现，并作为基准测试的参考。该项目深入探索了多种优化技术，旨在提升矩阵运算的效率，适用于需要高性能矩阵乘法的场景。

multi_timescale_replay 是一个专注于多时间尺度回放机制的强化学习项目，旨在提高动态环境中的学习效率和适应性。该项目通过实现多时间尺度回放机制，支持在动态环境中的持续强化学习，并提供工具来实验不同的回放策略。此外，项目还包含基准测试和评估指标，用于评估性能。

matmul.c是一个针对现代x86处理器优化的高性能矩阵乘法C语言实现库。它支持AVX和FMA指令集，并通过OpenMP实现高效并行化，提供简洁、可移植、可扩展的C代码。在特定配置下，其性能甚至超越NumPy，适用于科学计算、工程应用及矩阵乘法基准测试等场景。

TAG-Bench是一个用于回答数据库上的自然语言问题的项目，通过Table-Augmented Generation（TAG）模型，探索语言模型与数据库之间的广泛交互，提供首个基准测试研究TAG问题，并验证标准方法在此类查询上的挑战性。