LiveBench: A Challenging, Contamination-Free LLM Benchmark
🧪 मूल्यांकन, ऑब्ज़र्वेबिलिटी और सुरक्षा
मॉडल मूल्यांकन, प्रॉम्प्ट टेस्टिंग, ऑब्ज़र्वेबिलिटी, गार्डरेल और रेड टीमिंग
सभी 1040🧠 बड़े भाषा मॉडल 24🤖 AI एजेंट 159🧩 ऐप डेवलपमेंट प्लेटफ़ॉर्म 23📚 RAG और नॉलेज बेस 47💬 चैट इंटरफ़ेस और क्लाइंट 41🖥️ लोकल इन्फ़रेंस और डिप्लॉयमेंट 87👨💻 AI कोडिंग 97🛠️ डेवलपमेंट फ़्रेमवर्क और SDK 46🔌 MCP और टूल इकोसिस्टम 36🎨 इमेज जनरेशन 26🎬 वीडियो जनरेशन 17🎙️ आवाज़ और ऑडियो 45👁️ कंप्यूटर विज़न 26📄 दस्तावेज़ पार्सिंग और स्क्रैपिंग 25🗄️ वेक्टर डेटाबेस 25🏋️ ट्रेनिंग, फ़ाइन-ट्यूनिंग और MLOps 71🧪 मूल्यांकन, ऑब्ज़र्वेबिलिटी और सुरक्षा 79🚪 API गेटवे और प्रॉक्सी 12🔎 सर्च और डीप रिसर्च 16⚙️ डीप लर्निंग लाइब्रेरी 57🏷️ डेटा और एनोटेशन 32🔬 उद्योग और विज्ञान के लिए AI 33⚡ उत्पादकता टूल 16
Trained models & code to predict toxic comments on all 3 Jigsaw Toxic Comment Challenges. Built using ⚡ Pytorch Lightning and 🤗 Transformers.
Readymade evaluators for your LLM apps
The nnsight package enables interpreting and manipulating the internals of deep learned models.
Dingo: A Comprehensive AI Data, Model and Application Quality Evaluation Tool
Cut AI context cost without trusting the compressor. Every reduction is reversible, byte-exact recoverable, and carries an auditable receipt. Local-first, works through proxy, MCP, SDK, or agent wrapper.
Microsoft’s generated AI risk identification open source automation framework.