DeepMark是一款基准测试工具，旨在评估大型语言模型(LLM)在特定任务指标和自定义数据上的性能，帮助开发者理解模型的表现并优化其在不同场景下的应用。
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。
关于使用CommonGen-lite数据集对LLM进行评估的研究，使用了GPT-4模型进行评估，比较了不同模型的性能，并列出了排行榜上的模型结果。
TaxEval 是一个专注于税务领域的语言模型评估工具，支持多种评估指标并提供详细的评估报告，便于集成到现有的税务应用中。
GPT Status是一个社区仪表盘，用户可以实时跟踪OpenAI API的可用性和性能，获取不同GPT模型的响应时间等信息，保持对这些模型性能的更新。
Aviary允许在一个地方与各种大型语言模型(LLM)进行交互。用户可以直接比较不同模型的输出，按质量进行排名，并获得成本和延迟估计等功能。它特别支持在Hugging Face上托管的Transformer模型，并在许多情况下还支持DeepSpeed推理加速。
TinyGPT是一个基于picoGPT项目，从零开始用C++11实现的GPT-2推理框架，旨在为嵌入式系统和资源受限环境提供高效的文本生成和自然语言处理功能。
MVMT_ZERO电动车数据库提供全面、最新的电动车数据资源，涵盖关键电动车规格、立法、趋势和见解等多个领域。
PROMETHEUS是一个在语言模型中引入细粒度评估能力的完全开源LLM，能够在配备适当的参考资料时展现出与专有模型相媲美的评估能力。
LLMEVAL-2 是一款专为评测中文大语言模型性能而设计的工具，支持多种评测指标和方法，提供易用的接口和文档，集成了多种预训练模型，并允许用户自定义评测任务。
AI Similar Web Finder 是一个基于网络的工具，利用人工智能帮助用户查找与指定网址或域名相似的网站。它使用户能够轻松识别可比较的网站，并通过数据导出功能收集见解。
Readyy 是一款利用 AI 技术的阅读理解和速度训练应用，用户可以在不同难度下练习阅读，跟踪进步，并与他人比较技能。该应用提供全球排行榜，确保测试内容新鲜，并适合各个年龄段的人群。
