PromptBench
一个基于 Pytorch 的 Python 包，用于评估和理解大型语言模型的统一库。它为研究人员提供了用户友好的 API，以便对 LLM 进行评估。
LLM
AgentStack
AgentStack 是一款开源工具，用于简化 AI 代理项目的构建过程。它提供预配置模板、集成多种流行框架和工具，并支持跨平台操作。主要功能包括快速项目初始化、交互式测试运行器、实时开发反馈和生产构建脚本。AgentStack 还具备模块化设计和依赖管理能力，适用于自动化客户服务、数据管理、内容创作、个人助理及教育等领域。
---
FACTS Grounding
FACTS Grounding是一款由谷歌DeepMind研发的基准测试工具，专门用于评估大型语言模型在生成事实准确文本方面的能力。它通过设置包含多个领域的复杂任务，要求模型基于长文档生成响应，并采用两阶段评估流程验证事实准确性及避免“幻觉”。FACTS Grounding不仅支持信息检索与问答，还能应用于内容摘要生成、文档改写以及客户服务等领域，为模型提供全面而可靠的性能评估。
Paper2Code
Paper2Code是一款由韩国科学技术院与DeepAuto.ai合作开发的AI工具，基于多Agent大语言模型，能将机器学习论文自动转化为可运行的代码仓库。它通过规划、分析和代码生成三个阶段，确保代码结构清晰且忠实于原论文内容。该工具显著提升了科研复现效率，适用于研究、教学、工业等多个领域，具有高度实用性和准确性。
Browser Use
Browser Use是一款基于大语言模型的智能浏览器工具，支持多标签页管理和视觉识别，可提取网页内容并记录操作步骤。它允许开发者自定义动作，如保存文件或推送至数据库，并兼容多种主流LLM模型，具备并行运行和自我修正能力，旨在提升任务执行效率与准确性。
AnythingLLM
AnythingLLM 是一款开源、多模态的 AI 客户端工具，支持文本、图像和音频输入，可将文档转化为上下文信息供语言模型使用。支持本地和云端部署，具备多用户管理、工作区隔离、丰富的文档格式支持和强大的 API 接口。适用于企业知识管理、学术研究、个人学习、内容创作等多种场景，保障数据隐私安全。
StableAnimator
StableAnimator是一款由复旦大学、微软亚洲研究院、虎牙公司及卡内基梅隆大学联合开发的高质量身份保持视频生成框架。它能够根据参考图像和姿态序列，直接生成高保真度、身份一致的视频内容，无需后处理工具。框架集成了图像与面部嵌入计算、全局内容感知面部编码器、分布感知ID适配器以及Hamilton-Jacobi-Bellman方程优化技术，确保生成视频的流畅性和真实性。StableAnimato
