EvalPlanner 是一个由Meta AI提出的研究项目，旨在通过将LLM-as-a-Judge的评估过程解耦为规划和推理阶段，结合迭代自训练和偏好优化技术，增强AI模型作为评估者的性能。该项目特别适用于复杂评估任务，并在多个基准测试中表现出色。
CAPA 是一种新型的概率性语言模型相似性度量指标，旨在解决随着语言模型能力提升，评估和监督这些模型变得越来越困难的问题。CAPA 通过调整因模型准确率导致的偶然一致性，并结合输出概率，量化模型之间的功能相似性。它揭示了 LLM-as-a-Judge 场景中的亲和性偏见，并显示模型错误随能力提升而变得更加相似，强调了模型多样性在 AI 监管中的关键作用。
火山方舟大模型体验中心是字节跳动旗下火山引擎推出的AI模型服务平台，提供多种大型AI模型的体验、推理、微调和评估功能。平台支持个人和企业用户，具备丰富的GPU资源和高吞吐量处理能力，同时提供端到端加密和数据保密性，确保使用安全。平台还推出了邀请返利活动，鼓励用户邀请好友加入，降低使用门槛。
Benchy是一个让AI性能对比变得直观的工具，支持实时对比不同AI模型的性能、价格和速度。它提供多种微应用，以满足不同场景的测试需求，帮助用户快速评估和选择最适合的AI模型。
Verdict旨在通过扩展推理时计算，解决传统大型语言模型（LLM）评估中的不稳定性和可靠性问题。其核心价值在于提供更高效、更可靠的评估方法，帮助研究人员和开发者更好地理解和优化AI模型的性能。
GamingAgent 是一个专注于开发和测试AI Agent的项目，特别适用于经典游戏如超级玛丽和俄罗斯方块。它支持多种AI模型的接入和测试，能够评估和比较不同模型在游戏中的表现，并提供详细的测试基准和结果分析。此外，GamingAgent 还支持多种经典游戏，具备智能决策能力，能够根据不同模型的特点进行优化，适用于研究、开发、教育和演示等多种场景。
LiveBench AI是一个由Abacus AI和杨立昆及其团队合作创建的基准测试工具，通过发布新问题和基于最新数据集设置评测，确保基准测试的无污染性。它包含18个任务，分为6个类别，初始发布960个问题，任务全面多样化。
ArtificialAnalysis提供AI模型和API托管服务的客观基准和分析，帮助用户比较在项目中使用的最佳选项。我们整合了不同的质量基准、定价信息以及我们自己的技术基准数据。
TheAIPedia旨在提供一个集中化的平台，让个人和组织能够在一个地方发现、探索和评估各种AI工具、框架、库和资源。
GPT vs. Gemini是一个平台，用户可以通过输入提示，实时获得来自多个模型的响应，从而比较GPT-4与其他模型的效果。该平台还提供Gemini 1.5 Pro的私人测试版，具有1M的上下文窗口，方便用户进行深入的对比和探索。
Botsnap是一个评测和变现定制AI助手的平台，旨在满足个人和商业用户在时间管理、工作流程和创新项目方面的需求。
BenchLLM是一个免费的开源工具，旨在简化对大型语言模型（LLMs）、聊天机器人和其他人工智能应用的测试过程。用户可以实时测试数百个提示和响应，自动化评估并基准测试模型，以构建更好和更安全的AI。
ChatPlayground.ai是一款强大的AI工具，用户可以访问一流的AI模型，并能够比较不同模型的输出效果。此外，它还提供了AI浏览器助手和定制的AI工作流程功能，帮助用户在网络上更高效地使用AI技术。
AnyModel是一个工具，允许用户将多个AI模型的输出并排展示。用户可以利用来自多个AI的信息，选择最适合自己需求的模型，从而获得更平衡的视角，并通过比较多个模型的输出，轻松识别'幻觉'现象。
AI Models是一个旨在提升小型到中型免费及开源AI项目的合作平台。通过提供一个精心策划的AI模型汇编，简化探索和比较不同模型的结果，同时强调用户友好的内容，展示演示和插图，而非复杂的技术术语。
Palaxy是一个AI驱动的提示助手，通过提供丰富的灵感来简化提示工程过程。它可以节省时间并提升技能，只需点击一下即可优化提示。
AI Top Reviews是一个专注于各种人工智能工具的平台，提供深入的评测和创作者展示，旨在帮助用户找到最佳的AI解决方案。
ChatAI是一个集成的AI平台，用户可以通过WhatsApp或网页与顶尖的AI聊天机器人（如ChatGPT和Stable Diffusion）互动，生成AI图像。用户注册后可获得10个免费提示，随后可以在不同的AI模型间切换，比较答案，选择最佳的AI服务。
