FLASK是一个专注于基于技能集的细粒度评估工具，能够对大语言模型（LLM）进行全面分析和比较。它提供了评估模型在不同能力上的表现，并与最先进的开源LLM进行对比，帮助用户了解模型的优势和不足。
Amazon Foundation Model Evaluations Library，用于评估大型语言模型（LLMs），帮助选择最适合您用例的LLM。该库提供多种评估功能，覆盖开放式生成、文本摘要、问答和分类任务，旨在帮助用户全面了解不同模型在特定任务上的表现。
一个用于端到端架构和大语言模型（LLM）的项目，旨在简化和优化开发过程。
Athina AI是一款旨在帮助开发者监控和评估其大语言模型（LLMs）应用程序的工具，专注于生产环境中的性能监控、故障检测以及提示管理。通过Athina，开发者可以实时跟踪LLMs的表现，及时发现并修复模型的幻觉问题，从而提升应用的可靠性和用户体验。
一款免费开源工具，旨在帮助用户快速验证大语言模型生成内容的准确性，类似于为事实准确性而生的Grammarly。该工具提供实时内容检查，支持多种语言，且界面友好，易于使用。
LOMO是复旦大学提出的新论文，旨在使用单台8片24G的RTX 3090对Llama 65B模型进行全参数微调。该项目通过优化训练效率和性能，为用户提供了兼容多种深度学习框架的解决方案，并附带详细的实验结果和分析，帮助用户更好地理解模型的表现。
MusicGen模型训练器，旨在简化MusicGen和Audiocraft模型的训练过程，提供用户友好的界面和强大的功能，帮助用户轻松进行音频模型的训练和评估。
glideprompt 是一个能够编写系统提示并在流行语言模型（如 Llama、Mistral、OpenAI、Claude、Gemini）上测试的工具，帮助用户更好地决定哪个语言模型最适合他们的任务。用户只需输入任务，即可获得针对语言模型的系统级提示。该工具比较不同语言模型的性能，以辅助用户为特定任务选择最佳模型。
本项目旨在利用合成数据，通过大语言模型从非结构化文档生成查询和相关文档，从而创建合成数据集，以微调开源嵌入模型。这样可以显著提高信息检索的准确性和效率，同时增强模型在特定领域的理解能力。
LLM Comparator是一个交互式数据可视化工具，旨在并排评估和分析大型语言模型的响应，由PAIR团队开发。
HammerLLM是一个具有1.4B参数的语言模型，提供了简洁高效的训练代码库，同时完全开源了模型权重、环境、代码库和超参数，支持中英文的生成和理解，具有高效的训练和推理能力，适合多种自然语言处理任务。
一个研究完全规避开源LLM对齐的对抗性后缀的项目，旨在探索如何识别和利用对抗性后缀，以评估和提高开源LLM模型的鲁棒性和安全性。该项目适用于多种流行的开源模型，包括ChatGPT、Claude、Bard和LLaMA-2，并提供了相关研究文献链接，以便深入了解当前的研究动态。
Litellm是一个Python SDK/Proxy Server，旨在简化与多种大语言模型API的交互，支持使用OpenAI格式调用100多个LLM API，提供统一的输入输出格式，易于集成和使用。
