leaderboard

:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: 评估 AI 的最新技术水平

指令遵循语言模型的自动评估器。经人工验证、高质量、低成本且快速。

CogDL：图深度学习综合库 (WWW 2023)

ClawProBench 是一个实时优先的基准测试工具，用于评估 OpenClaw 运行环境中的 LLM 代理，具备确定性评分与重复试验的可靠性。

Level-Up 是一个为您的应用程序引入游戏化机制的 Laravel 套件。用户通过互动获得经验值 (XP) 与等级，并解锁成就。通过动态排行榜功能促进参与度、竞争与乐趣。可根据您的特定需求进行自定义。

Awesome-LLM-Eval：精选的工具、数据集/基准测试、演示、排行榜、论文、文档与模型列表，主要用于 LLM 评估。一个由工具、基准/数据、演示、排行榜和大模型等组成的精选列表，主要面向基础大模型评测，旨在探求生成式AI的技术边界。