lealone-bench开源项目 – 性能测试工具，专注于spsc链表

一个魔改版的llama2.c，旨在利用1998年的计算机硬件（Intel Pentium II CPU + 128MB RAM）在Windows 98系统上运行大模型。

一个利用生成式AI技术的框架，用于测试虚拟Agent的对话能力，确保其在实际应用中的稳定性和可靠性。提供多种评估指标和测试场景，支持自定义测试用例和对话流程。

EvalScope 是一个一站式大模型评估与性能基准测试框架，旨在让模型评估变得高效且个性化。它支持多种模型类型，包括大语言模型、多模态模型和嵌入模型，并提供多种评估场景，如端到端RAG评估、竞技场模式和推理性能测试。此外，EvalScope 内置了丰富的基准测试和指标，如MMLU、CMMLU和GSM8K，帮助用户全面评估模型性能。

detectron2-ResNeSt是基于Detectron2框架的一个分支，集成了ResNeSt骨干网络。该项目旨在通过引入ResNeSt网络，增强目标检测能力，特别是在复杂场景下的特征提取效果。它不仅支持目标检测和实例分割等下游任务，还允许用户使用ResNeSt骨干网络训练自定义模型，并在标准数据集上进行性能基准测试。

Windows Agent Arena是一个用于大规模评估多模态操作系统代理的框架，旨在为研究人员提供高效的测试和评估工具。它支持不同类型的操作系统代理，能够在各种场景下进行性能测试，以帮助开发更智能的系统。

一个用于性能测试的项目，专门针对 Lealone 数据库，包含异步客户端和多种运行模式。

JudgeLM是经过微调的语言大模型，旨在有效、高效地在开放式基准测试中评估语言大模型（LLM），提供系统化的模型能力和行为分析，解决多种偏见问题，并在新旧基准测试中展示出色的评判性能。

用于评估和理解大型语言模型的统一评估框架，提供了用户友好的API，方便研究人员进行模型性能评估、提示工程和对抗提示攻击评估等。

该课程包含人工智能可解释性分析领域的导论、算法综述、经典论文精读、代码实战和前沿讲座，由B站知名UP主“同济子豪兄”主讲，课程视频免费开源。

Qodo Cover是一款基于生成式AI的自动化测试生成工具，旨在通过自动生成高质量的测试用例来提高代码覆盖率，简化开发工作流程。它支持多种编程语言（如Python、Go、Java），并可通过GitHub CI工作流或本地CLI工具运行。工具内置测试运行器、覆盖率解析器、提示构建器和AI调用程序等组件，帮助开发人员识别并填补测试覆盖的空白，确保全面测试并减少潜在的软件缺陷。

vv 是一个终端图像查看器，能够在终端中直接查看多种格式的图像，支持HDR图像处理和透明度设置，让用户在命令行环境中轻松查看和管理图像。

AURORA是一个免费的API，基于GPT-3.5模型，旨在提供易于集成和高效的文本生成服务，支持多种语言，适用于多种应用场景。

Tiny-Universe 是一个从原理出发、以“白盒”为导向、围绕大模型全链路的“手搓”大模型指南。该项目旨在帮助有传统深度学习基础的读者从底层原理出发，纯手搓搭建一个清晰、可用的大模型系统，包括大模型本身、RAG 框架、Agent 系统及大模型评估体系。最近新增了从零开始pretrain Llama3部分。

这是一个包含各种优秀LLM代理的综合列表，旨在提供详细的描述和用例，定期更新新的代理和工具，并根据功能和应用对代理进行分类。

KVMac16 是适用于 Mac mini 的 KVM 机架支架，旨在完全控制安装在远程数据中心的一组 Mac mini。它支持最多16台Mac mini的集中管理，提供远程控制和监控功能，同时简化了安装和配置过程。该产品设计可扩展，以适应不同的使用环境，显著提高空间利用率，优化数据中心布局。