DeepSeek Harness的评估工具：在可重复的离线任务上基准测试代理循环、压缩、技能和工具配置。
Lynote 结合 AI 检测、YouTube 转录和笔记提取流程，帮助学习者和创作者检查原创性，并把视频转成可搜索笔记。
LMSEARCH Chatbot Arena是LLM evals的众包开放平台。收集了超过1，000，000个人类成对比较，以使用Bradley-Terry模型对LLM进行排名，并以Elo量表显示模型评级。
清华技术AI对话助手
字节跳动AI助手
