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。

Tev-320B

gordonhu · 工具包

一个 320B 的混合专家智能体模型，只用一个 bash 工具完成较长的终端任务。用 1,170 个环境做强化学习训练，面向研究者，采用非商业许可。

K2-Horizon-3.7B

IFM · 工具包

作为一个上下文窗口达 512K token 的小型开源模型，处理编程、推理和智能体类任务。由 IFM 制作，适合想要公开的训练数据、代码和训练中途检查点的人。

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。

Axion-1.0-35B

Axion1-0 · 工具包

Axion 1.0-35B 的复现检查点，一个 35B 混合专家模型，面向科学推理、信息检索和借助工具解决问题，用 vLLM 部署。适合研究人员和智能体开发者。

PAN 2

IFM · 工具包

MBZUAI 的 IFM 做的 29B 世界模型，把一个场景和描述的动作变成最长 20 秒的视频，让智能体可以预览结果，适合有大显卡的研究人员和智能体开发者。

GuardrailAgent Benign Check

Sattyam · 工具包

展示 GuardrailAgent 输入关卡把 250 条无害的 XSTest 提示词误判为越狱的频率，并附上每条提示词和每个决定。适合开发或评估提示词过滤器的人。

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。

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。

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。

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。