最高のAIツールを見つけ出しましょう

新しいベンチマークがLLMエージェントの探索任務に設定されました。

ベンチマークLLMエージェントによる早期タスク終了

学習エージェントを評価するためのベンチマーク（言語フィードバックを使用）

オープンソースのRAG虚構検知ベンチマーク

トレーニングなしのLLMフレームワークで深いクエリ理解。

法的なLLMエージェントの能力のベンチマーク

LLMエージェントの改善のためのAuto-Enhanceメタベンチマーク。

Google Cloud VMsでllama.cppを使って7B LLMsをベンチマークする

ベンチマークLLMエージェントの長期記憶と継続学習を評価します。

LLMのゲーム能力をマルチエージェント環境で評価

ワークフロー指導を用いたLLMベースエージェントのベンチマークング

エンブodied デシジョンで LLM をベンチマークするためのウェブサイト。

ディプロマシーゲームの結果を使用した公開LLMベンチマーク。

LLMベースのマルチエージェント協力のためのレストランシミュレーションベンチマーク

マルチエージェントディベートでLLMを評価して真実性を測定する。

ComfyUIでAIシステム設計のためのLLMエージェントのベンチマークング。

複数のベンチマークでLLMチャットエージェントを評価している。

ベンチマークングとLLM拡張エージェントのオーケストレーション

人工知能（AGI）へのコード生成のベンチマーク。

ゲームにおけるエージェント型LLMとVLMの推論のベンチマークング。

AppWorldアプリエージェントベンチマークのランキング

AppWorld: コーディングエージェントベンチマークのためのコントロール可能なアプリ環境。

オープンソースフレームワークで、様々なタスクでウェブエージェントを開発します。

LLMにおける自律的記憶について、高度なAIシステムを学びます。