产品库

使用我们的AI评估工具，上传照片即可获得免费评估。

SnapAppraise是一个提供珠宝首饰评估的在线平台。通过上传照片，我们的AI评估工具可以快速分析珠宝首饰的价值并生成详细的评估报告。SnapAppraise提供免费的初步评估，方便用户在安排面对面评估之前获得快速的预估价值。

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。

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。

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）。

候选人技能评估工具

HunchAssess是HireHunch的候选人评估工具。它提供了一个全面的问题库,包含5000多个问题,涵盖40多种技术技能,包括多项选择题和编程题,可以快速筛选顶尖人才。它支持批量发送邀请,自动计分和高级监考功能,可以轻松地评估候选人的技能和专业知识。关键功能包括:预设的40多种技能集评估、批量发送邀请、自动计分板和高级监考、安排面试等。适用于招聘机构或HR团队进行校园招聘或大规模筛选应聘者。

加速模型评估和微调的智能评估工具

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。这些模型能够执行多种评估任务，包括成对比较、单项评分和二元分类，同时提供解释，避免黑箱问题。SFR-Judge 在多个基准测试中表现优异，证明了其在评估模型输出和指导微调方面的有效性。

智能招聘评估工具

Potis是一个AI驱动的招聘评估工具，能够自动评估应聘者的实际工作技能，提供实际案例测试、防作弊的评估方法、公正的人才评分系统等特点。Potis自动化评估可以节省高达80%的招聘初始预算，并加速招聘流程5倍，适用于所有层级的招聘需求。

通过 Minecraft 评估 AI 的表现。

MC-Bench 是一个在线平台，旨在通过 Minecraft 游戏环境评估和比较不同 AI 生成的建筑。它允许用户投票并参与到 AI 评估中，促进 AI 技术的发展。该平台的主要优势在于其趣味性和互动性，为用户提供了一个简单而有趣的方式来了解 AI 的能力。

在线评估软件平台

InterviewQueue是一个在线评估工具，帮助您轻松筛选候选人。通过ChatGPT集成，这个在线评估软件平台将帮助您创建逻辑评估，为您的组织找到理想的候选人！

免费即时评估简历和LinkedIn个人资料

我们的在线简历和LinkedIn评估工具可以即时为您的简历和LinkedIn个人资料评分，并提供详细反馈，帮助您获得更多的机会和面试邀约。

Generative AI 模型评估工具

Deepmark AI 是一款用于评估大型语言模型（LLM）的基准工具，可在自己的数据上对各种任务特定指标进行评估。它与 GPT-4、Anthropic、GPT-3.5 Turbo、Cohere、AI21 等领先的生成式 AI API 进行预集成。

智能的面试技能评估工具

Xobinkey是一款智能的面试技能评估工具。它可以帮助企业在面试过程中快速筛选和评估候选人的技能水平。Xobinkey提供了丰富的功能，包括自定义面试问题、自动评分、实时反馈、报告生成等。它能够大大提高招聘效率和准确性，并帮助企业找到最适合的人才。

网站优化神器，AI智能评估插件

Bolty是一款AI智能评估插件，通过使用ChatGPT提供网站内容的洞察。它简单易用：1. 扫描网站 2. 评估优化建议

AI评估症状，帮助理解健康问题

智能症状检测器是一款AI驱动的医疗工具，通过用户描述症状来评估健康问题。它可以提供非经过审核的AI生成回答，但不意味着提供医疗建议。用户可以描述症状的细节，包括症状的起始时间、严重程度、变化情况、影响因素等。此工具仅供参考，不应替代专业医疗建议。

个人美学评估，提供改善外貌的指导

面部评估工具是一个个人美学评估工具，通过分析面部特征和结构，提供个性化的外貌改善建议。它可以帮助用户了解自己的面部特点、发现美学问题，并提供专业的解决方案。该工具的优势在于精准的分析和个性化的建议，帮助用户实现更好的外貌效果。定价为每次评估服务收费，具体价格请参考官方网站。该产品定位于个人美学领域，旨在帮助用户改善自己的外貌。

省时高效的AI绩效评估工具

GeniusReview是一款360° AI绩效评估工具，通过使用GeniusReview，您可以省去大量时间来获取定制化的绩效评估问题的答案。它提供针对不同角色的定制化答案，并包括问题列表、技能排名、反馈生成等功能。您可以免费试用。

AI模型测试评估工具

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。它提供强大的测试、评估和可观察性，无需猜测您的提示是否足够好。支持LLMs、文本分类、表格分类、表格回归等功能。通过实时通知让您在AI模型失败时获得通知，让您自信地发布。

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模型性能评估平台

Scale Leaderboard是一个专注于AI模型性能评估的平台，提供专家驱动的私有评估数据集，确保评估结果的公正性和无污染。该平台定期更新排行榜，包括新的数据集和模型，营造动态竞争环境。评估由经过严格审查的专家使用特定领域的方法进行，保证评估的高质量和可信度。

新型AI驱动的编码评估

Ropes AI是一种新型的编码评估工具，利用人工智能技术进行评估。它能够生成总结每个编码评估的详细信息，并给出评分卡。同时，它还提供了定制的编程挑战，让候选人有机会展示自己的技能。Ropes AI还可以根据您的业务需求定制编码挑战，并提供了防作弊功能和候选人友好的体验。

实时AI支持的面试评估，加速更智能评分。

AcedAssessment是一个桌面应用程序，通过提供实时辅助逻辑问题，帮助求职者在面试评估中取得成功。它使用AI技术，可随时指导用户完成在线评估和能力测试，从抽象和逻辑推理到数值问题和词语问题，为用户提供更智能的准备方式，避免传统测试准备的重复和高成本。

Edexia 是一款智能评估标记工具。

Edexia 是一款旨在提升教育评估效率的人工智能工具，能够帮助教师更快速、准确地进行学生作业的评分与反馈。它通过模拟教师的标记方式，提供个性化的反馈，帮助学生更好地理解自己的学习情况。Edexia 的设计理念是减轻教师的工作负担，提高教育质量，适合各类学校和教育机构使用。该产品提供免费试用，便于用户体验其功能。

评估和观察生成式人工智能

Gentrace是一个团队共同评估和观察生成式人工智能的工具。通过使用人工智能和启发式评估器来连续评估质量，并观察在生产中的速度和成本。

智能食品与个人护理产品健康评估工具

Health Inspecta 是一款利用人工智能技术，帮助用户快速评估食品和个人护理产品的营养价值、成分安全性和环境影响的应用程序。它通过扫描产品标签或手动输入产品名称，提供综合的健康等级评分，从A到F，让用户能够超越标签，做出更明智的消费选择。

监控、评估和优化你的LLM应用

LangWatch是一个专为大型语言模型（LLM）设计的监控、评估和优化平台。它通过科学的方法来衡量LLM的质量，自动寻找最佳的提示和模型，并提供一个直观的分析仪表板，帮助AI团队以10倍的速度交付高质量的产品。LangWatch的主要优点包括减少手动优化过程、提高开发效率、确保产品质量和安全性，以及支持企业级的数据控制和合规性。产品背景信息显示，LangWatch利用Stanford的DSPy框架，帮助用户在几分钟内而非几周内找到合适的提示或模型，从而加速产品从概念验证到生产的转变。

AI代理测试和评估平台

Coval是一个专注于AI代理测试和评估的平台，旨在通过模拟和评估来提高AI代理的可靠性和效率。该平台由自主测试领域的专家构建，支持语音和聊天代理的测试，并提供全面的评估报告，帮助用户优化AI代理的性能。Coval的主要优点包括简化测试流程、提供AI驱动的模拟、兼容语音AI，以及提供详细的性能分析。产品背景信息显示，Coval旨在帮助企业快速、可靠地部署AI代理，提高客户服务的质量和效率。Coval提供三种定价计划，满足不同规模企业的需求。

提供全面的MLLMs评估

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。我们相信这些属性是定义MLLMs可靠性的几个代表性因素，支持各种下游应用。具体而言，我们评估了闭源的GPT-4和Gemini以及6个开源LLMs和MLLMs。总体上，我们评估了230个手动设计的案例，定性结果总结为12个分数（即4个模态乘以3个属性）。总共，我们揭示了14个实证发现，有助于了解专有和开源MLLMs的能力和局限性，以更可靠地支持多模态下游应用。

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。

Hatchways帮助企业进行真实世界的技术评估。

Hatchways帮助企业运行真实世界的技术评估。评估是实际的，通过Github仓库运行，所以申请人可以使用他们熟悉的工具，面试官可以在熟悉的界面中审查代码。

Talently.ai通过智能聊天面试和实时评估,轻松识别顶尖人才

Talently.ai是一个人工智能面试官,可以进行真人互动式面试,并提供实时评估,以便轻松识别顶尖人才。它消除了手动筛选的需要,实现了更智能的招聘。