AI 研究技能与智能体

QwenScope

Qwen · 工具包

通过稀疏自编码器特征来探索和引导 Qwen3.5-2B 语言模型：比较两段文字的特征激活，或把某个特征推入生成过程。适合可解释性研究者。

FlyHash vs SimHash Demo

pranamhan · 工具包

一个交互式浏览器演示，比较 FlyHash 和 SimHash 的检索效果，配合一篇关于 FlyHash 用于 LLM 智能体记忆的论文。适合构建智能体记忆的研究人员和开发者。

MedCaseAgent

PediaMedAI · 工具包

一个关于罕见病临床病例报告的研究资源项目页：一个含 584 条记录的基准、一个大型病例报告元数据语料库和智能体代码。适合医学 AI 研究人员。

ParsBench Leaderboard

ParsBench · 工具包

ParsBench 做的排行榜，在波斯语数据集上给模型打分，附带可运行或改造成自己版本的代码。适合比较模型的波斯语 NLP 研究人员和工程师。

Open VLM Video Leaderboard

opencompass · 工具包

一个视觉语言模型在视频理解基准上得分的排行榜，有总排名，也有每个基准的详细榜单。适合挑选模型的研究人员和工程师。

KVPress Leaderboard

nvidia · 工具包

展示一个排行榜，用 Llama-3.1-8B-Instruct 和 Qwen3-8B 对比语言模型的 KV 缓存压缩方法。适合比较缩减模型所需内存方式的研究者和工程师。

Hurricane Wind Speed Regressor

nakulmital · 工具包

在 Gradio 应用里用微调过的 ResNet50 模型预测飓风风速。适合想看图像回归模型怎样工作的学生、研究者和开发者。

MTEB-BR Leaderboard

MTEB-BR · 工具包

在原生巴西葡萄牙语任务上给文本嵌入模型排名，22 个任务评测了 93 个模型。这是一个静态榜单页，适合挑选葡萄牙语搜索模型的研究者和工程师。

Open Universal Arabic Asr Leaderboard

msalhab96 · 工具包

在一个 Gradio 页面里，比较开源语音识别模型在阿拉伯语多种方言上的表现。适合挑选阿拉伯语语音转文字模型的研究人员和开发者。

Next-Concept Modeling WebGPU

mrfakename · 工具包

通过 WebGPU 在你的浏览器里运行 Hazy Research 的小型 Next-Concept Modeling 检查点，任务有 TinyStories、LM1B small 和数独。适合想要本地、免安装演示的研究者和开发者。

Next-Concept Modeling

mrfakename · 工具包

演示 Hazy Research 的 Next-Concept Modeling，它能并行地把文本从粗略轮廓写到完整序列，涵盖摘要、翻译和数独等任务。适合研究者和好奇的开发者。

Synthometricon

magnolia-psychometrics · 工具包

在一个收有 71,000 多个量表的集合里搜索，这些量表来自 28,000 多份测验、调查和问卷。为行为科学研究者设计，以 Docker 应用的方式运行。

Recommend Similar Papers

librarian-bots · 工具包

在 CPU 硬件上运行的 Gradio 应用，利用论文推荐数据集，为你推荐与已知论文相似的研究论文。

RADAR Abdominal CT Demo

junma · 工具包

读取一个腹部 CT 体积数据，用 RADAR 模型返回 18 个结构中 146 个征象各自的概率。这是研究和教学演示，不用于临床决策。

DFlowNovo De Novo Peptide Sequencing

joelinator · 工具包

用流匹配模型从串联质谱文件预测肽段序列，返回计算质量和置信度分数，结果可以保存为 CSV 或 TSV。适合蛋白质组学研究者。

GeCo2 Object Counting

jerpelhan · 工具包

在你标出几个示例之后，数出图片里某个物体的所有实例，不需要重新训练，也没有固定的类别清单。适合研究人员和想数照片里物品的人。

SILVA Aesthetic Scorer

Jannchie · 工具包

用一个人的审美和两个蒸馏出来的 AI 评委，给上传的插画打三个 0 到 1 的分数。适合画师、数据集整理者和研究审美模型的人。

FM4M-demo1

ibm-research · 工具包

IBM Research 的一个 Gradio 演示，点名了三个 IBM 材料模型，smi-ted、selfies-ted 和 mhg-ged。适合想看这个演示是怎么搭的研究者和开发者。

RigidFormer

hugging-apps · 工具包

用一个处理点集的 Transformer 预测多个刚体如何运动和碰撞，并把它的推演结果和模拟器的真实结果放在一起显示。适合物理和机器学习研究者。

PRISM Image to 3D

hugging-apps · 工具包

用一张图片构建 3D 高斯场景，并在 3D 查看器里显示。适合想不安装任何东西就试用单图重建的研究者和 3D 爱好者。

JoyAI Video Edit

hugging-apps · 工具包

根据一句自然语言指令编辑视频，并在生成过程中按块把结果流式传回。是 JoyAI-Video-Edit 模型的演示，适合视频剪辑师和研究者。

4DAnyone Multi-View Video

hugging-apps · 工具包

把一段人像视频变成同一段表演的多机位同步视频。是 4DAnyone 模型的演示，适合制作 4D 重建输入的研究者。

DA-2

haodongli · 工具包

在浏览器演示里运行 DA^2 深度模型，它是 Depth Anything in Any Direction 的官方演示。适合想不做任何配置就试用深度估计的研究者和开发者。

THX-02

HAL-X-AI · 工具包

用 THX-02 决策模型，对你描述的情境里的每个选项给出概率，还有可选的思考模式。这是一个 Gradio 演示，适合测试校准决策的研究者和开发者。

HAKARI-Bench Leaderboard

hakari-bench · 工具包

展示 HAKARI-Bench 的公开结果，这是一个轻量的多语言信息检索基准，带有表格、模型对比和筛选。适合挑选检索模型的研究者和工程师。

FOXES - A Framework for Operational X-ray Emission Synthesis

griffingoodwin04 · 工具包

根据你以 NumPy 文件上传的 7 通道 SDO/AIA 太阳观测数据，预测 GOES 软 X 射线流量，并返回合成图像和流量贡献图。适合太阳物理研究者。

MSEB Leaderboard

google · 工具包

Google 发布的 Massive Sound Embedding Benchmark 的排行榜页面，用 Gradio 搭建。适合比较声音嵌入模型的研究者。

DRS-VPT

fulkast · 工具包

在不需要起始位姿猜测的情况下，找出一张相机图像在 3-D 点云中的拍摄位置。适合研究 3-D 扫描中相机定位的研究者和学生。

Wet-Ink

Freedomform · 工具包

在浏览器里用动画演示扩散语言模型的一种解码方法，你可以调整窗口大小，看标记保持可编辑还是被冻结。适合研究和学习语言模型解码的人。

FINAL-Bench Quantum Leaderboard

FINAL-Bench · 工具包

在共用的公开测试集上给量子纠错解码器排名，并把已发表的结果列在旁边。这是一个开放、中立的基准页，适合量子计算研究者和解码器开发者。

CoWTracker

facebook · 工具包

跟踪上传视频里的每一个像素随时间的运动，并用彩色轨迹画出来。适合研究人员和想研究画面中物体如何运动的人。

OWSM v4

espnet · 工具包

用 OWSM v4 模型转写语音、在语言之间翻译、识别说的是哪种语言并解码长录音，可选文字提示词。适合语音研究者和想测试多语言音频的人。

MEMFOF Optical Flow

egorchistov · 工具包

为全高清视频估计光流，也就是帧与帧之间每个像素的运动，同时占用很少的 GPU 显存，带 Gradio 演示和多个训练好的模型。适合计算机视觉研究者和视频工程师。

Safety Doesn't Translate

DhruvParmar051 · 工具包

并排展示 Cohere 的 Tiny Aya 在不重新训练的安全修复前后的回答，使用来自测试集、事先评判过的回复。适合 AI 安全研究者和多语言模型的开发者。

Depth Anything 3

depth-anything · 工具包

Depth Anything 3 的演示 Space，这个研究模型从名称看，能从任意视角拍的图像中恢复场景的空间结构。README 只有一条引用。

Sports2d

DavidPagnon · 工具包

在 Gradio 页面里，从视频文件或网络摄像头画面中算出人体的二维姿态和关节角度。适合教练、运动研究者和任何想研究身体如何运动的人。

Text Surprisal Editor

build-small-hackathon · 工具包

按一个只有 4M 参数的小语言模型觉得每个词有多意外，给文本里的每个词上色。模型没有 Transformer 块。这是一个黑客松项目，适合写作者和研究者。

Open Chinese LLM Leaderboard

BAAI · 工具包

BAAI 运行的中文大语言模型排行榜，是一个带请求和结果数据集的 Gradio Space。适合在中文任务上比较模型的研究者和团队。

Speech analysis

audeering · 工具包

对一段语音录音运行 audEERING 的两个 wav2vec2 模型，一个判断情绪，一个估计年龄和性别，并自带四段示例音频。这是面向语音研究者的 Gradio 演示。非商用许可。

Vevo for Zero-shot VC, TTS, and More

amphion · 工具包

无需针对某个说话人训练，就能根据参考音频模仿声音，用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示，适合研究者和音频开发者。

Visual Saliency Prediction

alexanderkroner · 工具包

预测图片里哪些区域最先吸引目光，使用 2020 年 Neural Networks 论文中的 MSI-Net 模型。适合想快速查看可能关注区域的研究者和设计师。

Fracture Check

akinchanJain7 · 工具包

初筛手部、手臂、腿部、髋部和肩部的 X 光片是否可能骨折，用热力图显示模型关注的区域，并标出最可能的骨折位置。这是学生研究项目，供学习使用，不能用于医疗决策。

SchemeArena

launch · 工具包

展示一个用 400 个场景测试 LLM 智能体是否会耍心机的研究项目，并介绍名为 SCOUT 的监测器。这是面向 AI 安全研究人员的静态项目页面。

Saudi SALLM Q9B V1 Demo

Dr-Zeyad-Alghamdi · 工具包

你可以在浏览器页面里运行基于 Qwen3.5-9B 语言模型和私有适配器的 Gradio 研究演示，适合在 GPU 硬件上测试模型的人。

Saudi SALLM A7B V1 Demo

Dr-Zeyad-Alghamdi · 工具包

你可以在浏览器页面里试用建立在 ALLaM-7B-Instruct-preview 之上的研究型语言模型适配器，适合测试和比较语言模型的人。

Model Pulse

tardellirs · 工具包

展示 Hugging Face Hub 上模型自 2024 年 7 月以来的每日下载历史、点赞数和衍生模型家族，还有模型对比图和每周排行榜。适合模型开发者和研究人员。

Open VLM Leaderboard

opencompass · 工具包

展示用 VLMEvalKit 工具包收集的视觉语言模型得分排行榜，有总榜，也有每个基准的单独表格。适合比较多模态模型的研究者和工程师。

S1MB Leaderboard

hotchpotch · 工具包

在一个已保存结果的查看器里，比较 System One Decision Models 在 100 多个基准上的表现。适合想看模型哪里强、哪里弱的研究者。

Coilstellaration Bench

proxima-fusion · 工具包

给能根据等离子体边界和需求指标预测仿星器线圈组的 ONNX 模型打分，研究人员可以提交模型并比较结果。

Heretic Grimoire

heretic-org · 工具包

为 Heretic 生成的模型保存可搜索的复现记录存档，可下载 CSV。适合追踪或重建这类模型的研究者。

RL Environments on Hugging Face

FineEnvs · 工具包

让你浏览 Hugging Face Hub 上的强化学习环境，查看它们的任务和奖励，并运行智能体 rollout 来比较结果。适合强化学习和智能体研究者。

TabArena

TabArena · 工具包

在 Gradio 排行榜里用 Elo 评分给表格数据的机器学习方法排名，并以 JSON 和 MCP 工具的形式把数据提供给智能体。适合挑选表格机器学习方法的研究者和从业者。

RUKOPYS Leaderboard

UkrainianCatholicUniversity · 工具包

给乌克兰语手写文字的 OCR 系统排名，基于 RUKOPYS 测试集的整页文档打分。研究人员和模型开发者可以直接在浏览器里比较各次运行的结果。

Visualize Dataset (v2.0+ latest dataset format)

lerobot · 工具包

用同步的视频、交互图表、3D 机器人回放和标记坏数据片段的工具，浏览 LeRobot 格式的机器人数据集。适合机器人研究人员和从业者。

一个用带主题的网址调用的 n8n 工作流。一个 AI 智能体让 Perplexity 研究这个主题，工作流回复一个完成的 HTML 文章页面。

一个 n8n 工作流，把聊天里的问题变成一份研究报告。模型提出搜索查询，SerpAPI 运行它们，Jina 读取结果页面，第三步写出 Markdown 报告。

一个 n8n 工作流，通过 webhook 接收研究问题，让 Google Gemini 模型写出搜索词，用 Brave 搜索网页，再由第二次 Gemini 调用给结果排序，最后回复十个链接。

一个分轮研究问题的 n8n 工作流。表单接收问题，模型提出澄清问题，循环搜索网页并读取页面，推理模型写出一份长报告，保存到 Notion 页面。

Arete-27B

NousResearch · 工具包

用 270 亿参数的文本模型回答政治敏感问题，由 Nous Research 在 Qwen3.8-27B 基础上重新训练，以调整其立场。适合助手开发者和价值对齐研究者。

Scientific Agent Skills（科研智能体技能库）

K-Dense-AI · 技能

K-Dense 的开放科研技能库，为编程智能体提供 170 多个技能：生物、化学、医学、材料、数据分析、文献检索和科学写作。只装你需要的几个，装之前先看每个技能的许可证和依赖。

ex-USSR Kinship Research

DenisSergeevitch · 技能

把 AI 智能体变成研究前苏联和俄罗斯帝国家族史的谨慎研究员，提供登记表、证据状态和 HTML 报告。适合使用 Codex 或 Claude Code 的家谱爱好者。

STORM 知识整理与文章写作系统

stanford-oval · 工具包

斯坦福开放虚拟助手实验室的开源系统，会在网上研究一个主题，写出带引用的长篇文章。Co-STORM 让你参与研究。安装说明涵盖 Python 包、模型、搜索服务、你自己的文档和演示界面。