# AI評估

Bespoke Labs專注於提供高質量的定製化數據集服務，以支持工程師進行精確的模型微調。公司由Google DeepMind的前員工Mahesh和UT Austin的Alex共同創立，旨在改善高質量數據的獲取，這對於推動領域發展至關重要。Bespoke Labs提供的工具和平臺，如Minicheck、Evalchemy和Curator，都是圍繞數據集的創建和管理設計的，以提高數據的質量和模型的性能。

Elastyc AI是一個旨在幫助招聘團隊快速評估候選人的在線平臺。它通過自定義評分卡為每位候選人提供評分，並僅按使用量付費。該平臺通過AI技術提高招聘效率，減少篩選時間，並提供詳細的報告和分析，幫助企業做出更明智的招聘決策。Elastyc AI的主要優點包括高效的候選人評估、定製化的評分系統、即時的數據分析和報告，以及對求職者完全免費。

AutoArena是一個自動化的生成式AI評估平臺，專注於評估大型語言模型（LLMs）、檢索增強生成（RAG）系統和生成式AI應用。它通過自動化的頭對頭判斷來提供可信的評估，幫助用戶快速、準確、經濟地找到系統的最佳版本。該平臺支持使用來自不同供應商的判斷模型，如OpenAI、Anthropic等，也可以使用本地運行的開源權重判斷模型。AutoArena還提供了Elo評分和置信區間計算，幫助用戶將多次頭對頭投票轉化為排行榜排名。此外，AutoArena支持自定義判斷模型的微調，以實現更準確、特定領域的評估，並可以集成到持續集成（CI）流程中，以自動化評估生成式AI系統。

Audo是一個利用人工智能技術為用戶量身定製職業發展路徑的平臺，通過AI評估用戶的技能、興趣和個性，提供個性化的職業規劃、簡歷優化、面試準備和職位匹配服務。它通過與頂級公司和大學合作，提供超過1100種職業路徑認證，幫助用戶提升職業技能，找到理想工作，並獲取應得的薪酬。

Future AGI是一個自動化AI模型評估平臺，通過自動評分AI模型輸出，消除了手動QA評估的需求，使QA團隊能夠專注於更戰略性的任務，提高效率和帶寬高達10倍。該平臺使用自然語言定義對業務最重要的指標，提供增強的靈活性和控制力，以評估模型性能，確保與業務目標的一致性。它還通過整合性能數據和用戶反饋到開發過程中，創建了一個持續改進的循環，使AI在每次互動中變得更智能。

Health Inspecta 是一款利用人工智能技術，幫助用戶快速評估食品和個人護理產品的營養價值、成分安全性和環境影響的應用程序。它通過掃描產品標籤或手動輸入產品名稱，提供綜合的健康等級評分，從A到F，讓用戶能夠超越標籤，做出更明智的消費選擇。

SWE-bench Verified是OpenAI發佈的一個經過人工驗證的SWE-bench子集，旨在更可靠地評估AI模型解決現實世界軟件問題的能力。它通過提供代碼庫和問題描述，挑戰AI生成解決所描述問題的補丁。這個工具的開發是為了提高模型自主完成軟件工程任務的能力評估的準確性，是OpenAI準備框架中中等風險級別的關鍵組成部分。

My Insta Personality是一個利用人工智能分析用戶Instagram公開帖子的網站，旨在生成用戶的個性檔案並提供詳細洞察。它通過先進的AI技術，幫助用戶探索和理解自己在社交媒體上的行為模式和個性傾向。

VHire是一款面向企業的自動化視頻面試軟件，旨在通過AI技術幫助企業更快速、智能地篩選和評估候選人。它與傳統的視頻面試工具相比，如Zoom，能夠節省組織的時間和金錢，更準確地招聘到最佳員工。VHire的主要優點包括節省時間、無需繁瑣的面試安排、提供專業的AI驅動候選人評分系統以及眾多創新功能。此外，VHire還提供靈活的定價方案，根據面試次數收費，並有折扣優惠。

Scale Leaderboard是一個專注於AI模型性能評估的平臺，提供專家驅動的私有評估數據集，確保評估結果的公正性和無汙染。該平臺定期更新排行榜，包括新的數據集和模型，營造動態競爭環境。評估由經過嚴格審查的專家使用特定領域的方法進行，保證評估的高質量和可信度。

Berkeley Function-Calling Leaderboard（伯克利函數調用排行榜）是一個專門用來評估大型語言模型（LLMs）準確調用函數（或工具）能力的在線平臺。該排行榜基於真實世界數據，定期更新，提供了一個衡量和比較不同模型在特定編程任務上表現的基準。它對於開發者、研究人員以及對AI編程能力有興趣的用戶來說是一個寶貴的資源。

Potis是一個AI驅動的招聘評估工具，能夠自動評估應聘者的實際工作技能，提供實際案例測試、防作弊的評估方法、公正的人才評分系統等特點。Potis自動化評估可以節省高達80%的招聘初始預算，並加速招聘流程5倍，適用於所有層級的招聘需求。

Gentrace是一個團隊共同評估和觀察生成式人工智能的工具。通過使用人工智能和啟發式評估器來連續評估質量，並觀察在生產中的速度和成本。

Bolty是一款AI智能評估插件，通過使用ChatGPT提供網站內容的洞察。它簡單易用：1. 掃描網站 2. 評估優化建議