LLM响应评估工具

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。

LLMSurvey是一个提供LLaMA模型族进化图的项目，用户可以通过该工具查看不同版本模型的性能，比较多种模型参数，并获取相关的训练和评估数据。

该项目提供一个开源LLM模型列表，这些模型在性能上达到或超过OpenAI的付费模型（如ChatGPT和GPT-4），并支持社区的贡献与反馈。

AgentBoard是一个多轮LLM智能体的分析评估排行榜，旨在评估大型语言模型的通用Agent能力。它提供全面的性能分析和可视化结果，支持多种模型的比较，帮助用户深入理解智能体在对话中的表现。

Navan.ai是一个无代码平台，允许开发者和企业在几分钟内构建和部署计算机视觉AI模型，节省高达85%的开发时间和成本。用户可以通过nStudio快速构建模型，通过nCloud将模型部署到云端，并获得推理API。此外，用户还可以选择使用预训练的视觉AI模型，如人脸检测等。

Gemini Pro vs Chat GPT是一个网站，允许用户实时比较Gemini Pro和Chat GPT的响应。用户可以输入提示，并同时获得结果以及性能指标。该网站专为需要快速比较见解的技术爱好者和专业人士设计。

mlx-llm是基于苹果MLX框架的一个应用平台，旨在为用户提供一个运行和测试语言模型的环境。它支持多种语言模型，并提供交互式实验环境，使得机器学习实验和原型开发变得更加高效。用户可以轻松集成和扩展功能，进行模型输出的可视化和调试，满足各种实验需求。

基于电子表格的深度学习模型可视化工具，帮助理解GPT内部机制，实现模型结构和数据流的可视化配置。

一款用于评估和红队任何大型语言模型（LLM）应用的简单且模块化工具，由AI验证基金会开发，集成了基准测试和红队测试，帮助AI开发者、合规团队和AI系统所有者评估LLMs和LLM应用。

一款助力强化学习训练的可视化工具，能让训练过程更易懂、调试更轻松，就像给复杂的训练流程装上了一扇透明的观察窗

基于微博开源的Rill Flow项目，旨在搭建大模型应用的技术平台，支持多种大模型的集成与管理，提供用户友好的界面用于模型训练和推理，兼容多种数据源与格式，支持分布式计算以提高模型训练效率，并具有丰富的监控与日志功能。

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。

苏秦（suqin）语言大模型全工具链 WebUI 整合包，旨在实现目前各大语言模型的全流程工具 WebUI 整合包，无需编写代码即可拥有自己的定制模型与专属应用。

该项目汇集了关于视觉生成模型评估的相关作品，包括评估指标、模型和系统的详细信息。