AI 研究技能与智能体

MiroThinker-v1.0-8B

miromind-ai · 工具包

一个开放的研究智能体模型，能在长上下文中推理，并在每个任务里多次调用工具查找信息。基于 Qwen3-8B 的 8B 版本，适合在自己硬件上运行研究智能体的开发者。

DialFork Leaderboard

DialFork · 工具包

在一个静态页面上列出各种方法在 DialFork 上的得分，DialFork 是衡量对话式 AI 智能体流程性幻觉的基准。适合要比较智能体方法或想提交自己方法的研究者。

Sage-A1.5 GGUF (Q4_K_M)

InternScience · 工具包

以 4-bit GGUF 文件运行 Sage-A1.5，这是面向长篇科学任务的 35B 混合专家智能体模型。它能把工作分给子智能体并检查自己的进展，适用于 llama.cpp、Ollama 和 LM Studio。

Sage-A1.5

InternScience · 工具包

作为智能体处理长篇科学任务，能委派给子智能体、检查自己的进展并修订计划。这是面向研究和工程工作流的 35B 混合专家模型。

MiMo RL Environment Explorer

FineEnvs · 工具包

浏览 XiaomiMiMo 的 7,780 个强化学习环境，然后让模型运行一个任务并显示评分。这是一个非官方的浏览器，适合测试或比较 AI 智能体的人。

Cua Driver Bench on AgentEnv

earakely-scale · 工具包

计算机使用智能体运行 Cua Driver Bench 任务的回放查看器，有录制的桌面、工具调用、评分，还能并排对比驱动。这不是基准制作方的官方结果。

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。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。

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。

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。

一个 n8n 工作流，每天早上收集一个主题的新闻。Apify 读取你列出的 X 账号过去一天的帖子，Airtop 浏览器读取你的网站，OpenAI 智能体把重要的内容存进 Google 表格。