AI 研究技能与智能体

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。

BEHAVIOR-1K 2026 Challenge Leaderboard

behavior-1k · 工具包

展示 BEHAVIOR-1K 2026 Challenge 的公开排名和提交入口，并保留 2025 年的存档榜单。适合参赛者、组织者和关注结果的人。

fev-bench

autogluon · 工具包

AutoGluon 团队的预测评估基准，以 Streamlit 应用的形式放在 Docker Space 里。适合比较时间序列预测模型的人。

PAN 2 World Model

akhaliq · 工具包

把文字提示，或提示加首帧图片，转成 PAN 2 世界模型模拟出的短视频。适合想试用或研究世界模型视频生成的人。

AI Phone Leaderboard

a-ghorbani · 工具包

在 Streamlit 仪表盘里查看和分析移动设备的 AI 基准结果，带有图表和筛选。适合想比较手机运行 AI 模型表现的人。

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。

EnterpriseRAG Bench Leaderboard

onyx-dot-app · 工具包

在 EnterpriseRAG-Bench 上给检索增强生成系统排名，这个基准基于公司知识问题，并带有浏览问题和并排比较系统的标签页。适合选择 RAG 系统的团队。

Arena Leaderboard

lmarena-ai · 工具包

展示 lmarena-ai 的模型排名，背后是保存下来的 Elo 结果快照和一份 Arena-Hard-Auto 排行榜文件。适合比较 AI 模型的人。

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。

Open LLM Leaderboard

open-llm-leaderboard · 工具包

在一个 React 页面里排名和比较开源大语言模型，支持排序、筛选、搜索和固定。适合挑选或评估开源模型和聊天机器人的人。

cognirank

dotlabs · 工具包

在静态网站上给小型 AI 模型的推理和编程基准成绩排名，带可排序的表格、图表和并排对比。适合挑选或研究小型模型的人。

Browser

malcolmrey · 工具包

在静态页面上浏览一个模型目录，带图库、缩略图、标签和一个对比脚本。适合想在浏览器里翻看这个合集的人。

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。

Hub Stats

huggingface · 工具包

用一个静态页面展示 Hugging Face Hub 上的增长、下载量、许可、模型树、热门仓库和论文，所有数字都已提前算好。适合关注 Hub 动态的人。

UGI Leaderboard

DontPlanToEnd · 工具包

展示一个 AI 模型排行榜，按标题所说的 Uncensored General Intelligence 打分，页面可在浏览器或 Docker 里运行。适合需要比较模型的人。

MTEB Leaderboard

mteb · 工具包

在浏览器或 Docker 里运行的排行榜页面，给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。

Microduck Sandbox

pollen-robotics · 工具包

在浏览器里操控一只模拟的 Microduck 机器人，使用训练好的行走、坐下、翻滚和踢球策略，还有轮式版本。适合机器人和强化学习爱好者。

一个 n8n 工作流，每个工作日早上读取 Hugging Face 的每日论文列表，请 OpenAI 概括每篇摘要。每篇新论文在 Notion 里存成一行，已经在表里的论文会被跳过。

一个 n8n 工作流，按关键词搜索 Reddit，留下有点赞的近期帖子，让 OpenAI 检查每个是不是讲这个话题，并写一句话摘要。

一个把网址清单变成 Markdown 的 n8n 工作流。Firecrawl 返回每个页面的标题、描述和链接，工作流分批处理清单，节奏符合速率限制。

一个回答 PDF 问题并标出每个答案出处的 n8n 工作流。每条回复的结尾，都有 OpenAI 模型所用的每一段 Pinecone 内容的文件名和行号范围。

一个 n8n 工作流，通过 ScrapingBee 给 Google 表格里列出的商品页面截图，让 Gemini 智能体读出标题、价格、品牌和促销，再存成各行。

一个带上传表单的 n8n 工作流。AI 模型读取一张工具标志图，列出每个工具以及它的属性和相似工具，并存进两张互相链接的 Airtable 表。

一个 n8n 工作流，在同一个 Telegram 机器人上做两件事。你发来的 PDF 会被切块存进 Pinecone，你发来的问题则由 Groq 上的模型根据这些块来回答。

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，从 Google Sheets 读取问卷答案，把每个答案作为向量存进 Qdrant。它用 K-means 给相似的答案分组，让 OpenAI 模型总结每一组，再把洞察写进一张新工作表。

一个 n8n 工作流，取下一个文章索引页，选出最新的三篇文章，让 OpenAI 模型逐篇摘要。每篇文章你会得到一个标题、一份摘要和一个地址。

一个 n8n 工作流，每周读一次没有订阅源的新闻页面。它保留最近 7 天的帖子，让 OpenAI 给每条做摘要，并在 NocoDB 里为每条存一行。

一个 n8n 工作流，把一个问题发给 Perplexity 的 Agent API，网页搜索限定在你列出的域名和最近一个月内，并返回答案文字和来源地址。

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，根据你自己的 OpenAI 向量库回答聊天里的问题，并把每个来源文件的名字写进回答里，紧跟在它所支持的那一段后面。

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。

一个把 Hacker News 每月招聘帖变成职位清单的 n8n 工作流。它加载每条招聘信息，OpenAI 模型提取公司、职位、地点、薪资和链接，每条信息变成 Airtable 的一行。

一个每天早上到 grants.gov 查看新 AI 资助的 n8n 工作流。OpenAI 模型为每个资助写摘要，并对照你的公司信息检查资格，结果存进 Airtable，稍后再把符合条件的资助做成摘要发邮件。

一个每天傍晚运行的 n8n 工作流。OpenAI 智能体写出一份顶级 n8n 创作者的报告，存进 Google Drive 并发邮件，Gemini 列出的热门工作流清单则通过邮件和 Telegram 发出。

一个用聊天框对话的 n8n 工作流。给它一位 n8n 创作者的用户名，OpenAI 智能体会读取这位创作者公开的每周和每月数据，并写出一份 Markdown 报告。

一个接收 YouTube 链接的 n8n webhook。它查出视频信息，让 Gemini 观看视频并写出结构化摘要，把摘要返回给调用方，再把标题和链接发到 Telegram。

一个带网页表单的 n8n 工作流。粘贴一个 YouTube 链接，Apify 的 actor 取回字幕文本，OpenAI 模型再写出一份摘要。

一个 n8n 工作流，用你自己机器上的 Ollama 模型，把一段文本和一份源文档逐句核对。一个事实核查模型给每句标 Yes 或 No，第二个模型再把标为 No 的句子总结出来。

一个 n8n 聊天：你说出一个细分领域，智能体就搜索 YouTube 过去两天的视频，逐个查出播放、点赞和标签，再报告这些新视频有什么共同点。

一个 n8n 工作流，通过 Jina 读取一个网页，请 OpenAI 聊天模型挑出页面上的每个条目，再为每个条目在 Google 表格里加一行。它默认指向一个练习用的书店页面。

一个带聊天窗口的 n8n 工作流。OpenAI 智能体回答你的问题，通过 SerpApi 搜索 Google 找最新信息，在 Wikipedia 里查词条，并记住最近 20 次交流。

一个带聊天智能体的 n8n 工作流，智能体能打开网页。它的工具下载一个网址，去掉脚本和样式，把页面转成 Markdown，再交给 OpenAI 模型回答。

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。

bioinformatics-agent-skills

ssinder · 技能

为 AI 编程智能体提供计算生物学技能，涵盖 RNA-seq、单细胞分析、蛋白质结构、分子动力学、多肽设计、文献挖掘和论文图表。