产品库

代理法官，用于自动评估任务和提供奖励信号。

Agent-as-a-Judge 是一种新型的自动化评估系统，旨在通过代理系统的互相评估来提高工作效率和质量。该产品能够显著减少评估时间和成本，同时提供持续的反馈信号，促进代理系统的自我改进。它被广泛应用于 AI 开发任务中，特别是在代码生成领域。该系统具备开源特性，便于开发者进行二次开发和定制。

一个用于训练高性能奖励模型的开源数据集。

HelpSteer2是由NVIDIA发布的一个开源数据集，旨在支持训练能够对齐模型以使其更加有帮助、事实正确和连贯，同时在响应的复杂性和冗余度方面具有可调节性。该数据集与Scale AI合作创建，当与Llama 3 70B基础模型一起使用时，在RewardBench上达到了88.8%的表现，是截至2024年6月12日最佳的奖励模型之一。

用于评估其他语言模型的开源工具集

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。它提供了一个简单的接口，使用 Prometheus 模型来评估指令和响应对。Prometheus 2 模型支持直接评估（绝对评分）和成对排名（相对评分），能够模拟人类判断和专有的基于语言模型的评估，解决了公平性、可控性和可负担性的问题。

开源评估基础设施，为 LLM 提供信心

Confident AI 是一个开源的评估基础设施，为 LLM（Language Model）提供信心。用户可以通过编写和执行测试用例来评估自己的 LLM 应用，并使用丰富的开源指标来衡量其性能。通过定义预期输出并与实际输出进行比较，用户可以确定 LLM 的表现是否符合预期，并找出改进的方向。Confident AI 还提供了高级的差异跟踪功能，帮助用户优化 LLM 配置。此外，用户还可以利用全面的分析功能，识别重点关注的用例，实现 LLM 的有信心地投产。Confident AI 还提供了强大的功能，帮助用户自信地将 LLM 投入生产，包括 A/B 测试、评估、输出分类、报告仪表盘、数据集生成和详细监控。

基于Linux环境快速部署开源大模型的教程

该项目是一个围绕开源大模型的全流程指导教程,包括环境配置、模型部署、高效微调等,简化开源大模型的使用和应用,让更多普通学习者能够使用开源大模型。项目面向对开源大模型感兴趣且想自主上手的学习者,提供详细的环境配置、模型部署和微调方法。

语言模型自我奖励训练

本产品是一种自奖励语言模型，通过 LLM 作为裁判，使用模型自身提供的奖励信号进行训练。通过迭代的 DPO 训练，模型不仅可以提高遵循指令的能力，还能提供高质量的自我奖励。经过三次迭代的 Fine-tuning，本产品在 AlpacaEval 2.0 排行榜上超过了许多现有系统，包括 Claude 2、Gemini Pro 和 GPT-4 0613。这项工作虽然只是初步研究，但为模型在两个方面持续改进的可能性打开了大门。

您的全能奖励应用

Perks是一个基于奖励的预约管理应用，方便地管理预约的同时，为客户提供持续的奖励。通过搜索服务类别并预约您最喜欢的商家，为您的预约评分和评论来赚取可兑换的奖励积分。简单易用的Perks应用，让您获得额外的回报。

开源幻觉评估模型

Patronus-Lynx-8B-Instruct-v1.1是基于meta-llama/Meta-Llama-3.1-8B-Instruct模型的微调版本，主要用于检测RAG设置中的幻觉。该模型经过CovidQA、PubmedQA、DROP、RAGTruth等多个数据集的训练，包含人工标注和合成数据。它能够评估给定文档、问题和答案是否忠实于文档内容，不提供超出文档范围的新信息，也不与文档信息相矛盾。

AI信号、期权流动、高级图表分析

TradeUI是一个提供AI信号、期权流动数据和高级图表分析的金融工具。通过使用AI信号、跟踪期权流动和分析高级图表模式，TradeUI可以帮助您提升投资策略，提供更好的交易决策支持。TradeUI还提供一个社区，让您与其他交易者交流学习，最大化您的交易潜力。

YouTube自动配音功能，打破语言障碍。

YouTube自动配音功能是一项旨在消除语言障碍的技术，它通过自动将视频配音转换成不同语言，使得全球用户能够无障碍地享受来自世界各地的内容。这项技术特别适用于教育、信息分享以及文化交流等领域，它不仅提高了视频的可访问性，还促进了全球创作者和观众之间的互动。YouTube自动配音目前对YouTube合作伙伴计划中的数十万频道开放，并计划很快扩展到其他类型的内容。

开源幻觉评估模型

Llama-3-Patronus-Lynx-8B-Instruct是由Patronus AI开发的一个基于meta-llama/Meta-Llama-3-8B-Instruct模型的微调版本，主要用于检测在RAG设置中的幻觉。该模型训练于包含CovidQA、PubmedQA、DROP、RAGTruth等多个数据集，包含人工标注和合成数据。它能够评估给定文档、问题和答案是否忠实于文档内容，不提供文档之外的新信息，也不与文档信息相矛盾。

小红书自动运营助手，AI智能评论、点赞、关注，一键提升账号活跃度。

自动薯是一款专为小红书博主设计的自动化运营工具。它利用AI技术实现智能评论、点赞和关注等功能，帮助用户提升账号活跃度和粉丝增长速度。其主要优点包括智能化运营、安全可控和便捷管理，能够大幅提升运营效率，降低人工成本。该产品主要面向小红书博主、MCN机构、运营团队和代运营机构等，适用于各种规模的账号运营需求。产品提供免费试用，之后需付费使用，价格为20元/月，半年付或一年付。

PRIME通过隐式奖励增强在线强化学习，提升语言模型的推理能力。

PRIME是一个开源的在线强化学习解决方案，通过隐式过程奖励来增强语言模型的推理能力。该技术的主要优点在于能够在不依赖显式过程标签的情况下，有效地提供密集的奖励信号，从而加速模型的训练和推理能力的提升。PRIME在数学竞赛基准测试中表现出色，超越了现有的大型语言模型。其背景信息包括由多个研究者共同开发，并在GitHub上发布了相关代码和数据集。PRIME的定位是为需要复杂推理任务的用户提供强大的模型支持。

70亿参数的多方面奖励模型

Llama3-70B-SteerLM-RM是一个70亿参数的语言模型，用作属性预测模型，一个多方面的奖励模型，它在多个方面对模型响应进行评分，而不是传统奖励模型中的单一分数。该模型使用HelpSteer2数据集训练，并通过NVIDIA NeMo-Aligner进行训练，这是一个可扩展的工具包，用于高效和高效的模型对齐。

全自动AI面试代理，实现端到端自动化面试，包括面试流程、评估报告、自动审批等功能。

Intrvu SPACE是一款端到端自动化面试平台，通过自动化面试流程，评估报告和自动审批等功能，简化了面试流程。它提供了标准化的面试，与职位描述相匹配，为招聘决策提供了全面的评估报告。Intrvu SPACE还支持与候选人的无缝沟通，提高了候选人评估和选择的效率。

人类级奖励设计算法，通过编码大型语言模型实现

Eureka是一种人类级奖励设计算法，通过编码大型语言模型实现。它利用最先进的语言模型（如GPT-4）的零样本生成、编写代码和上下文改进能力，对奖励代码进行进化优化。生成的奖励可以用于通过强化学习获得复杂的技能。Eureka生成的奖励函数在29个开源强化学习环境中，包括10种不同的机器人形态，优于人类专家设计的奖励函数。Eureka还能够灵活地改进奖励函数，以提高生成奖励的质量和安全性。通过与课程学习相结合，使用Eureka奖励函数，我们首次展示了一个模拟的Shadow Hand能够进行旋转笔的技巧，熟练地以快速的速度在圆圈中操纵笔。

自动化的生成式AI评估平台

AutoArena是一个自动化的生成式AI评估平台，专注于评估大型语言模型（LLMs）、检索增强生成（RAG）系统和生成式AI应用。它通过自动化的头对头判断来提供可信的评估，帮助用户快速、准确、经济地找到系统的最佳版本。该平台支持使用来自不同供应商的判断模型，如OpenAI、Anthropic等，也可以使用本地运行的开源权重判断模型。AutoArena还提供了Elo评分和置信区间计算，帮助用户将多次头对头投票转化为排行榜排名。此外，AutoArena支持自定义判断模型的微调，以实现更准确、特定领域的评估，并可以集成到持续集成（CI）流程中，以自动化评估生成式AI系统。

专家评估界面和数据评估脚本

OpenScholar_ExpertEval是一个用于专家评估和数据评估的界面和脚本集合，旨在支持OpenScholar项目。该项目通过检索增强型语言模型合成科学文献，对模型生成的文本进行细致的人工评估。产品背景基于AllenAI的研究项目，具有重要的学术和技术价值，能够帮助研究人员和开发者更好地理解和改进语言模型。

实现信号营销，使用Signals的Contact Discovery™ Motion

Signals的Contact Discovery™ Motion可以帮助您从访问网站的潜在买家中获取高质量潜在客户，并将其直接导入销售渠道。不要错过访问您网站的潜在买家，立即解读他们的需求并采取行动。Signals提供了将客户匹配到您的理想客户和购买委员会的CRM档案的功能。当一家公司访问您的网站时，Signals通过Company Reveal™识别该公司，并为其创建一个包含完整公司信息的账户。Signals可以根据各种行为和属性（例如每月访问次数，是否来自谷歌广告等）对账户进行分段。然后，Signals会找到并添加购买委员会的联系信息到该账户。Signals可以根据职位、地点和其他属性向这些联系人发送电子邮件，以确保向收件人提供价值和相关性。然后，Signals可以在任何时候将这些联系人加入销售工作流，以便您的团队进行电话联系并建立正确的关系。

基于Gemma-2-27B架构的先进奖励模型

Skywork-Reward-Gemma-2-27B是一个基于Gemma-2-27B架构的先进奖励模型，专为处理复杂场景中的偏好而设计。该模型使用了80K高质量的偏好对数据进行训练，这些数据来源包括数学、编程和安全等多个领域。Skywork-Reward-Gemma-2-27B在2024年9月的RewardBench排行榜上位居第一，展示了其在偏好处理方面的强大能力。

基于Agently AI框架的开源自动新闻收集工具

Agently Daily News Collector是一个基于Agently AI应用开发框架的开源项目，能够自动收集特定主题的新闻。用户只需输入新闻收集的领域主题，AI代理将自动工作，直到生成并保存到Markdown文件中的高质量新闻集合。

生成大规模A/B测试的开源基础设施

使用Rompt.ai的开源基础设施，通过生成和评估不同的提示变体，发现高效的提示。创建和组织提示，声明变量以模拟动态项目，运行具有不同格式、模型和变量的提示变体，生成大量输出数据集，通过评分生成结果来找到性能最佳的提示。

通过生成推理扩大过程奖励模型的测试时间计算。

GenPRM 是一种新兴的过程奖励模型（PRM），通过生成推理来提高在测试时的计算效率。这项技术能够在处理复杂任务时提供更准确的奖励评估，适用于多种机器学习和人工智能领域的应用。其主要优点是能够在资源有限的情况下优化模型性能，并在实际应用中降低计算成本。

用于评估文本、对话和RAG设置的通用评估模型

Patronus GLIDER是一个经过微调的phi-3.5-mini-instruct模型，可以作为通用评估模型，根据用户定义的标准和评分规则来评判文本、对话和RAG设置。该模型使用合成数据和领域适应数据进行训练，覆盖了183个指标和685个领域，包括金融、医学等。模型支持的最大序列长度为8192个token，但经过测试可以支持更长的文本（高达12000个token）。

开源的网页自动化库，支持任何大型语言模型（LLM）

browser-use是一个开源的网页自动化库，允许大型语言模型（LLM）与网站进行交互，通过简单的接口实现复杂的网页操作。该技术的主要优点包括对多种语言模型的通用支持、交互元素自动检测、多标签页管理、XPath提取、视觉模型支持等。它解决了传统网页自动化中的一些痛点，如动态内容处理、长任务解决等。browser-use以其灵活性和易用性，为开发者提供了一个强大的工具，以构建更加智能和自动化的网页交互体验。

通过加权平均奖励模型提高大型语言模型的效率和可靠性。

WARM是一种通过加权平均奖励模型（WARM）来对齐大型语言模型（LLMs）与人类偏好的解决方案。首先，WARM对多个奖励模型进行微调，然后在权重空间中对它们进行平均。通过加权平均，WARM相对于传统的预测集成方法提高了效率，同时改善了在分布转移和偏好不一致性下的可靠性。我们的实验表明，WARM在摘要任务上的表现优于传统方法，使用最佳N和RL方法，WARM提高了LLM预测的整体质量和对齐性。

在线伤病评估工具

Anatolink是一个快速免费的在线伤病评估工具，结合交互式3D软件和生成式人工智能，为广泛的身体健康问题提供全面的指导。该工具赋予用户关于身体的知识，并提供最佳的物理治疗洞见，使您保持活动和健康。

开源的端到端自动驾驶多模态模型

OpenEMMA是一个开源项目，复现了Waymo的EMMA模型，提供了一个端到端框架用于自动驾驶车辆的运动规划。该模型利用预训练的视觉语言模型（VLMs）如GPT-4和LLaVA，整合文本和前视摄像头输入，实现对未来自身路径点的精确预测，并提供决策理由。OpenEMMA的目标是为研究人员和开发者提供易于获取的工具，以推进自动驾驶研究和应用。