Aeiva是一個以開發者為本的平台，允許您在彈性的模擬環境中建立、部署和評估自主AI代理。它具有插件式引擎用於環境定義、直觀API用於自訂代理決策循環，以及內建的性能度量收集功能。框架支持與OpenAI Gym、PyTorch和TensorFlow整合，並提供即時網站界面監控實時模擬。Aeiva的基準測試工具可讓您組織代理錦標賽、記錄結果，並視覺化代理行為，以微調策略並加快多代理人工智慧研究。

Agents-Deep-Research旨在通過提供模組化、可擴展的程式碼庫，簡化自主AI代理的開發與測試。它具有將用戶定義目標分解為子任務的任務規劃引擎、存儲與檢索上下文的長期記憶模組，以及允許代理與外部API和模擬環境互動的工具整合層。框架還提供評估腳本和基準工具，用於衡量代理在各種場景中的性能。基於Python，並可適配多種LLM後端，幫助研究人員和開發者快速原型化新型代理架構，進行可重複的實驗，並比較不同的規劃策略。

Examify 是一個創新的 AI 驅動平台，旨在幫助教育者輕鬆設計、生成和評估考試。它利用先進的 AI 技術提供可定制的考試模板、自動評分和有洞察力的數據分析，以提高考試的效率和有效性。無論您是教師、學術機構還是培訓提供者，Examify 都可以在節省考試管理時間和精力的同時，確保準確和公平的評估。

GridWorldEnvs提供一個完整的格子世界環境套件，支援設計、測試與Benchmark多智能體系統。用戶可輕鬆配置格子尺寸、代理起始位置、目標位置、障礙物、獎勵結構與動作空間。內建範例模版包括經典格子導航、避障與合作任務，也允許用JSON或Python類別定義自訂場景。與OpenAI Gym API無縫整合，支援直接應用標準RL演算法。同時支援單一與多智能體實驗、記錄與視覺化工具，用於跟蹤代理績效。

HoneyHive是一個綜合平台，提供AI評估、測試和可觀察性工具，主要針對建立和維護GenAI應用的團隊。它使開發者能夠自動測試、評估和基準化模型、代理和RAG管道，以安全性和性能標準為標準。通過聚合生產數據，如痕跡、評估和用戶反饋，HoneyHive便於檢測異常、徹底測試和在AI系統中進行迭代改進，確保它們已準備好投入生產且可靠。

LifelongAgentBench 旨在模擬現實世界中的持續學習環境，讓開發者能夠測試 AI 代理在一系列演變中的任務中。該框架提供即插即用的 API 以定義新場景、加載數據集並配置記憶體管理策略。內建評估模組能計算正向轉移、逆向轉移、遺忘率和累計性能等指標。用戶可以部署基線實作或集成專有代理，以在相同條件下直接比較。結果將作為標準化報告匯出，並配備互動式圖表和表格。模組化架構支持自定義數據加載器、性能指標和視覺化插件的擴展，使研究人員和工程師能根據不同應用領域調整平台。

MARL-DPP是一個開源框架，使用確定性點過程（DPP）強制多智能體強化學習（MARL）中的多樣性。傳統的MARL方法經常陷入策略收斂到類似行為的問題，MARL-DPP透過引入基於DPP的措施來鼓勵代理保持多元的行動分佈。該工具套件提供模組化的程式碼來將DPP嵌入訓練目標、樣本策略和探索管理中，包括與OpenAI Gym和多智能體粒子環境（MPE）的即插即用整合，以及用於超參數管理、日誌記錄和多樣性指標視覺化的工具。研究人員可以評估多樣性約束在合作任務、資源分配與競爭遊戲中的影響。其擴展性設計支持客製化環境與高階演算法，促進新型MARL-DPP變體的探索。

模擬考試AI是一個尖端平台，利用人工智慧的力量幫助使用者輕鬆創建客製化的模擬考試。使用者可以手動添加問題，生成新問題，甚至可以以鏈接和PDF的形式包括參考資料。高級用戶在問題生成上沒有限制，並且可以將其考試設為私密。這是一個理想的工具，適合任何準備即將來臨考試的人，提供簡化且靈活的測試體驗。

MultiAgentSystems旨在簡化建構與評估多智能體增強學習（MARL）應用的流程。平台包括最先進的算法實作，如MADDPG、QMIX、VDN，以及集中式訓練和去中心化執行。它具有模組化的環境包裝器，與OpenAI Gym相容，通信協議支持代理間交互，並提供記錄工具追蹤獎勵塑造、收斂率等指標。研究者可以自訂代理架構、調整超參數，並模擬合作導航、資源配置、對抗性遊戲等場景。配合PyTorch、GPU加速與TensorBoard整合，MultiAgentSystems加速合作與競爭多智能體領域的實驗與基準測試。

Nonfinito.xyz 是一個旨在促進多模態模型比較和評估的平台。它為用戶提供全面的工具來運行和分享評估，超越傳統的語言模型（LLMs），包括各種多模態模型。這有助於獲得更深入的見解並通過利用各種參數和指標來改善性能。Nonfinito 旨在簡化評估過程，使研究人員、開發人員和數據科學家能夠優化他們的模型。

OpenSpiel 是一個研究框架，提供從簡單矩陣遊戲到複雜棋類遊戲（如國際象棋、圍棋和撲克）的廣泛環境，並實現各種強化學習和搜索算法（如值迭代、策略梯度方法、MCTS）。其模組化的 C++ 核心和 Python 綁定允許用戶插入自定義算法、定義新遊戲，並在標準基準上比較性能。設計具有擴展性，支持單一和多智能體設置，研究合作和競爭場景。研究人員利用 OpenSpiel 快速原型設計算法、大規模實驗和分享可重複的代碼。

OpenAgent 提供一個完整的框架，用於開發能理解任務、規劃多步行動並與外部服務互動的自主 AI 代理。通過與 OpenAI 和 Anthropic 等 LLM 整合，實現自然語言推理和決策。平台具有可插拔的工具系統，用於執行 HTTP 請求、檔案操作和自訂 Python 函數。記憶體管理模組允許代理在會話中儲存和檢索上下文資訊。開發者可以通過插件擴展功能，配置實時串流應答，並利用內建的記錄與評估工具監控代理性能。OpenAgent簡化了複雜工作流程的編排，加速智能助手的原型設計，並確保模組化架構以支援可擴展的 AI 應用。

Questgen.ai 是一個先進的人工智慧驅動平台，可以迅速且輕鬆地從任何文本生成測驗。專為教育工作者和培訓者量身打造，支持多種問題類型，包括選擇題 (MCQs)、是非題、填空題和高階問題。利用先進的自然語言處理算法，Questgen 確保生成高質量、相關的問題，提高學習者的參與度和評估準確性。

Qwizzard 是一個綜合工具，旨在使小測驗和評估的創建、分享和分析變得簡單有效。它允許用戶通過互動和可自定義的小測驗來吸引他們的觀眾，非常適合教育人員、行銷人員和企業。使用 Qwizzard，創建小測驗非常簡單，該平台支持強大的分析，提供深入的參與者表現洞察。您可以使用可自定義的選項無縫分享小測驗，並收集有意義的數據來加強您的策略並提高參與度。

Quizify利用先進的AI技術為教育工作者簡化測驗創建。通過自動生成測驗問題和格式，Quizify為教師節省了寶貴的時間並確保持續高質量的評估。用戶可以輕鬆創建、自訂和分享測驗，這些測驗可以根據不同的學習環境和目標進行個性化。該平台支持各種問題類型，例如選擇題、是非題和簡答題，提供了一個適合各種教育需求的綜合工具。此外，Quizify還提供分析工具來跟蹤表現並識別改進的領域。

Wise Agents 提供一個全面且可搜尋的 AI 代理框架和平台目錄。它具有依照類別、程式語言、許可類型等的篩選功能，幫助用戶找到合適的工具。每個代理條目包括詳細的資訊檔案、關鍵能力、GitHub 和文件連結及社群評價。網站定期由社群貢獻更新，確保最新的代理版本和發展都在集中資源中。

Yunkao AI 是一個最先進的線上考試平台，旨在利用先進的人工智慧技術促進安全和高效的評估。該系統配備了臉部識別認證、雙設備監考、考試模式和人工智慧驅動的評估等功能。它滿足各類組織的需求，包括教育機構、政府機構和企業，確保可靠和簡化的考試流程。Yunkao AI 支持多種設備和操作系統，旨在提供靈活和可擴展的評估解決方案。

Jinshuju是一個全面的在線表單工具，旨在簡化數據收集、管理和分析。無論您需要進行調查、學術研究還是客戶反饋收集，Jinshuju都提供了多種功能，使過程快速且簡便。憑藉可自定義的模板和強大的分析功能，它幫助用戶從數據中挖掘有價值的見解。

Asker-I 是一個創新的基於 AI 的工具，旨在快速和高效地創建問題。只需上傳您的材料或指定主題，AI 就會接管繁瑣的問題形成過程。Asker-I 能夠處理大文件，支持多種問題類型，並承諾提供高度的自定義以滿足多樣的需求。這使它成為教育工作者、研究人員和任何需要快速可靠的問題生成的人士的寶貴資源。

CommNet是一個面向研究的庫，實現了CommNet架構，允許多個智能體在每個時間步共享隱藏狀態，並學習在合作環境中協調行動。它包括PyTorch模型定義、訓練和評估腳本、OpenAI Gym的環境包裝器，以及用於定制通信通道、智能體數量和網絡深度的工具。研究人員和開發人員可以利用CommNet在導航、追蹤–逃避和資源收集任務中原型設計並基準測試智能體之間的通信策略。