openedx/edx-platform

edx-platform 是一个用于构建和交付在线学习的服务平台，采用 Python 和 JavaScript 编写，基于 Django 框架。该项目提供了 CMS（内容管理服务）和 LMS（学习管理服务），支持 Open edX Studio 的内容创作环境以及在线课程交付。 主要功能、关键特性、核心优势包括：

• 支持大规模在线学习
• 使用 Django 框架
• 提供 CMS 和 LMS 两项关键服务
• 文档详尽丰富
• 适合生产环境部署与开发调试

sgl-project/sglang

sglang 是为大型语言模型（LLMs）设计的结构化生成语言。 它使您与 LLMs 的交互更快速、更可控。 该项目的主要功能和核心优势包括：

• 灵活的前端语言：允许轻松编程具有多个链接生成调用、高级提示技术、控制流、多种形式和外部交互等特性。
• 高性能运行时与 RadixAttention：通过自动 KV 缓存重用加速复杂 LLM 程序执行，支持连续批处理和张量并行等常见技术。
• 安装简便，提供了 pip 安装方法以及从源代码安装方法。
• 快速入门指南中提供了使用示例，并支持本地模型以及 OpenAI 模型。

netease-youdao/QAnything

QAnything 是一个基于问题和答案的系统，支持各种文件格式和数据库，允许离线安装和使用。

• 数据安全：支持无网络连接的安装和使用过程
• 跨语言问答支持：自由切换中英文问答
• 支持大规模数据问答：两阶段检索排名，解决大规模数据检索性能下降问题
• 高性能生产级系统：可直接部署到企业应用程序中
• 用户友好：无需繁琐配置，一键式安装部署即可使用
• 多知识库问答：支持选择多个知识库进行问答

THUDM/AgentBench

AgentBench 是一个综合基准测试，用于评估 LLMs 作为代理人（ICLR'24）。

• 设计用于评估和训练基于大型多模型模型（LMMs）的视觉基础代理的 VisualAgentBench。
• 提供了 5 个不同环境，涵盖 17 种 LMMs 进行系统性基准测试。
• 包括 8 个独特环境以更全面地评估 LLMs 在各种场景中作为自主代理运行的能力。

refuel-ai/autolabel

autolabel 是一个用于使用大型语言模型（LLMs）标记、清洗和丰富文本数据集的 Python 库。

• 可以使用任何大型语言模型（LLM）来标记、清洗和丰富文本数据集。
• LLMs 如 GPT-4 能够以高准确度自动标记数据，比手动标注节省成本和时间。
• 提供简单的 3 步流程来进行数据标记：指定 JSON 配置中的标注指南和 LLM 模型，干扰运行以确保最终提示看起来良好，并启动对数据集的一次性运行。