SFR-Judge 是 Salesforce AI Research 推出的一系列评估模型，旨在通过人工智能技术加速大型语言模型（LLMs）的评估和微调过程。

1X 世界模型是一种机器学习程序，能够模拟世界如何响应机器人的行为。

Weavel是一个AI提示工程师，它通过追踪、数据集管理、批量测试和评估等功能，帮助用户优化大型语言模型（LLM）的应用。

RAGElo是一个工具集，使用Elo评分系统帮助选择最佳的基于检索增强生成（RAG）的大型语言模型（LLM）代理。

TC-Bench是一个专门用于评估视频生成模型的时间组合性的工具。

Prometheus-Eval 是一个用于评估大型语言模型（LLM）在生成任务中表现的开源工具集。

该工具旨在通过对最新专有和开源MLLMs进行定性研究，从文本、代码、图像和视频四个模态的角度，评估其泛化能力、可信度和因果推理能力，以提高MLLMs的透明度。

Unitxt是一款创新的库，专为生成式语言模型量身定制，用于定制文本数据准备和评估。

Openlayer是一个评估工具，适用于您的开发和生产流程，帮助您自信地发布高质量的模型。