"Eva" 的搜索结果

FlagEval（天秤）是由北京智源人工智能研究院发起的大模型评测体系及开放平台，旨在建立科学、公正、开放的评测基准与方法。平台创新构建了“能力-任务-指标”三维评测框架，覆盖自然语言处理、计算机视觉、音频及多模态四大场景，支持语言大模型评测、多语言文图大模型评测、文图生成评测等工具。目前已集成600+评测子维度、84,433道评测题目，并提供“天秤角斗场”模型对战功能，支持纯文本、图文理解、文生图、文生视频四种模态的匿名对比评测。

2026-05-31

OpenCompass（司南）是由上海人工智能实验室推出的开源开放大模型评测体系，提供一站式大语言模型、多模态模型及科学智能模型评测服务。平台支持300+评测数据集、200+大语言模型、150+多模态模型的一键式分布式评测，涵盖知识、语言、推理、理解、数学、代码生成、智能体决策等八大能力维度，并扩展至科学智能、AI计算系统、具身智能、安全可信及垂类行业应用等六大领域，形成“六位一体”的全景评估范式。

2026-05-31

AGI-Eval是由上海交通大学、同济大学、华东师范大学及DataWhale等顶尖高校与机构联合打造的大模型评测社区，以“评测助力，让AI成为人类更好的伙伴”为使命。平台通过一系列高质量的人类认知考试（如LSAT、中国高考、SAT、数学竞赛、律师资格考试等）评估基础模型的通用能力，整合中英文双语任务，提供业内大语言模型的综合能力得分排名，涵盖综合评测及各专项能力评测。平台还提供Data Studio数据工坊，拥有超过3万众包用户，已上线485个任务标签，数据总量超过32万条，支持用户自建评测集、高校私有数据集托管，并已开源内部评测框架。

2026-05-31

HELM（Holistic Evaluation of Language Models）是由斯坦福大学基础模型研究中心CRFM发起的全面语言模型评估框架，旨在通过多维度、标准化、可复现的方式对大语言模型进行系统性评测。HELM覆盖核心场景（如问答、信息检索、摘要）与核心指标（如准确性、鲁棒性、公平性、偏见、毒性、效率），支持用户自定义评估管道，并提供公开可比的模型排行榜，累计评测模型数十款，被学术界和工业界广泛采纳为标准评估基准

2026-05-30

SuperCLUE是中文通用大模型综合性测评基准，由CLUE团队发布。它通过开放域多轮、封闭域客观题、匿名对战三大基准，以及数学推理、代码生成、Agent等维度，定期发布月度与半年度报告，为中文大模型提供权威、多维度的能力评估与排名。

2026-07-10

Eva Design System是一款利用深度学习技术的配色生成工具。用户只需选择一个品牌色，系统即可自动生成包含10种渐变色阶的完整调色板，并基于色彩理论扩展出语义明确的辅助色板。适合设计师快速搭建产品UI色彩体系，确保色彩搭配的科学性与一致性。

2026-07-10

ThinkAny是一款基于RAG（检索增强生成）技术的AI搜索引擎，通过聚合网络优质内容并结合AI智能问答，提供直接、精准的答案而非链接列表。它支持多模态搜索、思维导图式摘要，并衍生出桌面AI Agent WorkAny。由开发者用一个周末打造，上线三个月即获17万用户。

2026-07-14

通义评测深度解析：技术架构、能力评测与适用场景全方面对比分析 各位老铁，最近AI圈又炸锅了！不是因为GPT-5又憋了什么大招，而是咱们国产的通义系列模型，在「通义评测」中交出了一份让人相当意外的成绩单。作为一个每天跟各种大模型打交道的重度用户，我用了整整一周时间，把通义千问的最新版本从头到尾、从里到外翻了个底朝天。今天这篇「通义评测」深度解析，不吹不黑，带大家看看这个被很多人忽视的国产选手，到底...

文心一言评测深度解析：技术架构、能力评测与适用场景全方面对比分析 最近后台收到好多小伙伴私信，问我到底该怎么选大语言模型，特别是对百度的文心一言，大家是又好奇又纠结。毕竟市面上ChatGPT、Claude这些海外选手热度不减，而国产之光文心一言也一直在迭代。作为一个天天泡在各种AI工具里的老油条，我今天就打算掏心窝子，给大家做一次超详细的文心一言评测，从技术底子到实际体验，咱们一次聊透。 说实...

LLM评测深度解析：技术架构、能力评测与适用场景全方面对比分析 兄弟姐妹们，最近这大模型圈儿可是热闹得不行，各种新模型跟下饺子似的往外蹦。今天咱们不聊八卦，来点硬核的——LLM评测。说实话，我每天打开后台，私信里问得最多的就是“哪个模型最牛？”、“我该用哪个？”…… 每次看到这种问题，我都想扶额叹气。因为LLM评测这事儿，真不是看个跑分就能拍板的，它背后涉及到的技术架构、训练数据、对齐策略，那门...

AI接单平台进阶技巧大公开：高手都在用的10个方法，让你的AI技能更上一层楼 兄弟们，姐妹们，最近是不是感觉AI这股风刮得越来越猛了？打开朋友圈，不是晒AI生成的精美海报，就是炫耀又用AI工具接了个大单。说实话，看着别人在AI接单平台上赚得盆满钵满，自己却还在原地踏步，心里那叫一个痒啊！🤔 别急，今天我就把压箱底的干货全掏出来，跟大伙儿聊聊在AI接单平台上那些高手们秘而不宣的进阶玩法。这可不是...

引言：当AI开始“考试”，我们该如何阅卷？ 兄弟们，姐妹们，最近圈子里最卷的是什么？不是新出的AI工具，也不是哪个大模型又刷榜了，而是LLM评测！说真的，我最近每天都在刷各种榜单，看着那些分数上蹿下跳，比看股票还刺激。但你有没有想过，那些亮眼的99分、88分，到底是咋评出来的？是机器阅卷还是人工打分？这背后有啥猫腻？ 今天咱不整虚的，直接把「LLM评测」这层窗户纸捅破。从技术原理到实际应用，从优势...

这是一个针对清洁人员的专业技能包，提供标准化的清洁流程指南、评估报告模板和最佳实践。该技能帮助清洁人员系统化地执行日常清洁任务，确保工作质量达标。它包含详细的技能说明文件（SKILL.md）和评估报告模板（EVALUATION_REPORT.md），适用于各类清洁场景，如办公室、公共场所和住宅清洁。通过该技能，清洁人员可以掌握专业的清洁方法，提升工作效率和服务水平。