AI 智能体技能、规则与提示词工具包

CADGenBench Leaderboard

HuggingAI4Engineering · 工具包

给把文字或图片描述变成有效 3D CAD 模型的 AI 系统排名，并为上传的 STEP 或 BREP 文件打分。适合 CAD 生成的研究者和工程师。

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。

LVBench Leaderboard

zai-org · 工具包

zai-org 的 LVBench 基准的排行榜页面，作为 Gradio 应用运行，并指向 LVBench 数据集。适合想看模型在其上得分的研究者。

VBench Leaderboard

Vchitect · 工具包

Vchitect 的 VBench 项目的排行榜页面，作为 Gradio 应用跑在 CPU 硬件上。适合想看模型在 VBench 上排名的研究者和工程师。

JevalKit Leaderboard

Valen-Team · 工具包

一个交互式页面，用图表和可筛选的表格展示 JevalKit 的实测评估结果，支持模型对比和数据下载。适合挑选或研究模型的人。

Open PL LLM Leaderboard

speakleash · 工具包

一个 Gradio 排行榜，在一组评测数据集上给语言模型排名，从名称和数据集看指向波兰语。适合比较模型或想自己搭排行榜的团队。

Arabic LLM Leaderboard - Broad (ABL)

silma-ai · 工具包

在 Gradio 排行榜里按一个阿拉伯语基准给语言模型排名，代码也可以改造成你自己的排行榜。适合阿拉伯语 NLP 研究人员和比较模型的团队。

TIME Benchmark Leaderboard

Real-TSF · 工具包

TIME 概率时间序列预测基准的排行榜，有总体得分、按数据集的拆分和测试窗口图。适合比较模型的预测研究者和机器学习工程师。

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。

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。

ExpertLongBench

launch · 工具包

一个 ExpertLongBench 的 Streamlit 排行榜页面，用 Docker 打包，并关联同名数据集。README 除了排行榜标题和 Streamlit 起步说明外几乎没有别的文字。

CausalArena Leaderboard

LAMDA-Tabular · 工具包

CausalArena 因果发现基准的静态仪表板，包含排行榜、真实数据检查、案例视图、已发布图的画廊，以及提交结果的指南。

IPA Transcription Leaderboard

KoelLabs · 工具包

给把英语语音转成 IPA 音标的模型排名，评分基于母语、非母语和受损的语音。模型作者可以提交自己的模型，并跟踪评测进度。

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。

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。

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。