来自 Hugging Face 的 AI 项目

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。

Obfuscated-Shell Safety Leaderboard

FINAL-Bench · 工具包

给语言模型排名，看它们能否识破被伪装的 shell 命令：拦下危险的，放行无害但经过编码的。适合构建智能体的人，是一个防御性的安全基准。

Outsmart

ed-donner · 工具包

让 AI 模型在回合制的谈判和策略游戏里互相较量，并跨多局给它们排名。适合好奇语言模型怎样讨价还价、结盟和竞争的人。

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。

Icelandic LLM Leaderboard

mideind · 工具包

Miðeind 的静态排行榜页面，在冰岛语任务上给大语言模型排名，适合为冰岛语选择或研究模型的人。

Turkish ASR Leaderboard

EmreAkgul · 工具包

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

Model Pulse

emanforhelp · 工具包

展示 Hugging Face Hub 上每个模型自 2024 年 7 月以来的每日下载历史、点赞和衍生家族，带对比图表和每周榜单。适合关注开源模型的模型作者和分析人员。

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。

Turkish MMLU Leaderboard

alibayram · 工具包

在土耳其语版 MMLU 基准上给 AI 模型排名，带筛选、可浏览的模型回答、分章节图表和提交新模型的表单。适合需要比较土耳其语模型的人。

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。

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。

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。

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。

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。