OvercookedGPT开源项目 – 多智能体任务规划评估环境

Factorio Learning Environment 是一个非饱和、开放式的环境，专门用于在游戏《Factorio》中评估大型语言模型（LLMs）的表现。它提供了24个结构化任务和开放式任务，以满足不同的研究需求。通过代码合成实现代理与环境的交互，增强自动化能力。该项目拥有超过546次提交，表明其代码库丰富且维护活跃。

Math-Verify是一个强大的数学表达式评估系统，专为评估大型语言模型在数学任务中的输出而设计。它能更准确地评估模型的表现，避免因格式或解析问题导致的误判。

JailbreakBench 是一个开源的鲁棒性基准，旨在评估对大型语言模型(LLM)进行大规模越狱的进展，提供丰富的数据集和评估工具，以支持研究人员和开发者在这个领域的探索。

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。

Confabulations是一个针对检索增强型生成模型（RAG）的基准测试，旨在评估大型语言模型在面对基于文档的误导性问题时的能力，并提供工具以减少生成虚构答案的能力。

Open-LLM-Leaderboard是一个用于追踪各种大型语言模型（LLMs）在开放式问题上的表现的基准测试平台，旨在反映模型的真实能力，并通过开放社区促进共同进步。

Graduate-Level Google-Proof Q&A Benchmark，是一个评估大型语言模型和可扩展监督机制能力的高难度数据集，包含448道选择题，旨在测试专家的准确率。

PlantIdentify是一款使用人工智能技术，通过摄像头或图片快速识别植物的应用。用户可以方便地拍摄植物照片，应用会即时提供植物的识别信息，并支持多种语言，用户还可以保存识别历史，方便日后查看。

Grad-SVC是一个基于Grad-TTS的歌唱声音转换项目，采用HUAWEI Noah's Ark Lab的技术，核心算法为扩散，旨在提供高质量的歌唱声音转换，支持多种风格和情感的声音转换，具有用户友好的界面和详细的文档支持。

HappyPagesAI是一个AI涂色页生成器，允许用户为儿童创建个性化的涂色页，涵盖多种设计，如独角兽鲨鱼、奔跑的海龟和婴儿熊猫。该AI利用先进技术，轻松快速地将创意想法转化为独特的涂色页设计。

该项目通过一系列算术问题测试GPT-NeoX-20B的算术能力，旨在深入分析模型在算术任务中的表现，包括准确性和错误模式，并提供详细的分析报告。该项目开源，可通过GitHub Gist访问。

Pebble AI是一个智能伴侣，旨在通过主动阅读、观看和记忆来提高学习效率。它提供嵌入式问题、网络高亮和笔记、文档问答、观看YouTube视频时的问题、间隔重复的AI测验以及AI维基百科等功能，帮助用户更好地吸收信息并加深记忆。

一个简单易用、可扩展且高性能的强化学习人类反馈（RLHF）框架。它能解决大语言模型对齐和优化的问题，让模型更好地理解和生成人类期望的内容。

segno是一个用于生成标准QR码和Micro QR码的Python库，支持多种编码格式和自定义选项，方便开发者创建二维码并以多种图像格式保存。

用Qemu创建的适用macOS的Linux子系统，类似于Windows Subsystem for Linux，旨在为macOS用户提供一个方便的Linux环境，以便运行Linux应用和工具。