Entorno de Aprendizaje de Factorio

Entorno de aprendizaje y prueba de modelos de lenguaje de gran tamaño basado en el juego Factorio

Producto ComúnProductividadEvaluación de modelos de lenguajeJuego Factorio

Factorio Learning Environment (FLE) es un nuevo marco basado en el juego Factorio que se utiliza para evaluar la capacidad de los modelos de lenguaje de gran tamaño (LLM) en planificación a largo plazo, síntesis de programas y optimización de recursos. A medida que los LLM saturan gradualmente las pruebas de referencia existentes, FLE proporciona una nueva forma de evaluación abierta. Su importancia radica en que permite a los investigadores comprender de forma más completa y profunda las ventajas y desventajas de los LLM. Las principales ventajas son los desafíos abiertos con dificultad exponencialmente creciente, y dos protocolos de evaluación: tareas estructuradas y tareas abiertas. Este proyecto fue desarrollado por Jack Hopkins y otros, se publica en código abierto, es de uso gratuito y tiene como objetivo impulsar la investigación de los investigadores de IA sobre la capacidad de los agentes en campos complejos y abiertos.

Latest AI News

AI Daily Brief

AI Product Finder

AI Product Rankings

AI Product Submit

AI Tools Directory

AI Models Finder

LLM Leaderboard

Model Providers

Submit Your Model

Compare LLMs

LLM Cost Calculator

LLM Arena

MCP Servers

MCP Client

MCP Case Tutorials

MCP Ranking

MCP Service Submission

MCP Playground

MCP Inspector

GEO Services​

AI Search Visibility Checker

AI Model Compatibility Checker

AI Dataset Collection

Intelligent Document Recognition

Entorno de Aprendizaje de Factorio

Entorno de Aprendizaje de Factorio Situación del tráfico más reciente

Entorno de Aprendizaje de Factorio Tendencia de visitas

Entorno de Aprendizaje de Factorio Distribución geográfica de las visitas

Entorno de Aprendizaje de Factorio Fuentes de tráfico

Entorno de Aprendizaje de Factorio Alternativas

Entorno de Aprendizaje de Factorio — Entorno de aprendizaje y prueba de modelos de lenguaje de gran tamaño basado en el juego Factorio

Planificación del Lenguaje de Video — Planificación visual de tareas complejas a largo plazo

RULER — Un punto de referencia de evaluación diseñado para probar la razonabilidad de los modelos de lenguaje de texto largo.

Tabla de clasificación de modelos de lenguaje extenso OpenCompass 2.0 — Tabla de clasificación de modelos de lenguaje extenso, que evalúa el rendimiento del modelo en tiempo real.

EgoLife — EgoLife es un proyecto de asistente de IA para la vida diaria a largo plazo, multimodal y multiperspectiva, cuyo objetivo es impulsar la investigación sobre la comprensión de contextos a largo plazo.

Evaluación de Sesgos en Benchmarks de LLM — Proyecto de investigación que explora el comportamiento fraudulento en los benchmarks de modelos de lenguaje automático.

Tabla de clasificación del Arena de Chatbots LMSYS — Plataforma abierta de crowdsourcing para la evaluación del rendimiento de los Modelos de Lenguaje Extensos (LLM)

MemoryScope — Proporciona un sistema de memoria a largo plazo potente y flexible para chatbots de LLM.

Juego de Eliminación — Un marco de prueba de referencia que evalúa la inteligencia de los modelos lingüísticos grandes en juegos sociales complejos, inspirado en el juego 'Werewolf'.

Modelos de Lenguaje Amplios Multimodales — Proporciona una evaluación completa de MLLM

Herramienta de Evaluación Facial — Evaluación estética personal, ofreciendo guía para mejorar la apariencia.

PromptBench — Marco de evaluación unificado para modelos de lenguaje

Tabla de Modelos — Lista detallada e información sobre modelos de lenguaje extenso

Tanka — La primera herramienta de comunicación instantánea para equipos con memoria a largo plazo basada en IA del mundo.

Modelos de incrustación de OpenAI — Modelos de incrustación de nueva generación: mayor rendimiento, menor precio.

FlagEval — Plataforma de evaluación de modelos

Tabla de Líderes de Modelos LLM Abiertos — Tabla de clasificación de modelos de lenguaje extensos abiertos

SFR-Judge — Herramienta de evaluación inteligente que acelera la evaluación y el ajuste fino de modelos.

Tabla de Clasificación Scale — Plataforma de evaluación del rendimiento de modelos de IA

Deepmark IA — Herramienta de evaluación de modelos de IA generativa

Juego de Rompecabezas con IA ModelLe — Juego de rompecabezas de diálogo con IA

MMStar — Un conjunto de evaluación de referencia de élite para evaluar modelos de lenguaje visual a gran escala.

Tabla de Clasificación de Llamadas a Funciones de Berkeley — Tabla de clasificación que evalúa la capacidad de los modelos de lenguaje grandes para llamar funciones.

Maestro de Juego IA — Juego de rol de mazmorras de aventuras de texto impulsado por IA

Modelos de lenguaje online PPLX — Primera API de modelos de lenguaje online para responder preguntas

LongVA — Modelo de transformación de contexto largo de lenguaje a visión

OpenScholar_ExpertEval — Interfaz de evaluación experta y script de evaluación de datos

Detección de Compatibilidad de Modelos DeepSeek — Detecta si un dispositivo puede ejecutar modelos DeepSeek de diferentes escalas, ofreciendo una predicción de compatibilidad.

Comparativa de Precios de APIs de Modelos de Lenguaje Grande AIGCRank — Recopila y compara la información de precios de los principales proveedores de modelos de IA a nivel mundial.

Procyon AI Benchmark de Generación de Texto — Herramienta de evaluación del rendimiento de la generación de texto con IA

GEO Services