PROMETHEUS是一个在语言模型中引入细粒度评估能力的完全开源LLM，能够在配备适当的参考资料时展现出与专有模型相媲美的评估能力。

SciPhi旨在支持大型语言模型(LLMs)的训练和评估，提供了数据生成和模型输出评估两个关键功能，帮助用户高效地生成合成数据，并对模型的性能进行稳健的评估。

Effy AI是一款性能管理软件，提供快速的360度员工评审体验，配备现成模板和AI生成报告，特别适合初创公司和偶尔进行评审的组织。

Edexia是一个专为教育工作者设计的在线平台，提供批量上传、标记和下载功能，帮助教师轻松管理不同班级。它支持评分标准的定制，提供深入的反馈，帮助学生在特定领域进行改进。

一个开源项目，旨在为用户提供免费的GPT-4模型访问，允许用户绕过付费限制，方便使用强大的文本生成模型。

关于使用CommonGen-lite数据集对LLM进行评估的研究，使用了GPT-4模型进行评估，比较了不同模型的性能，并列出了排行榜上的模型结果。

Show-Me 是一个开源应用，旨在提供与传统大型语言模型（LLM）交互的可视化和透明替代方案。它将复杂的问题分解为一系列有根据的子任务，使用户能够理解 LLM 的逐步思考过程。

OpenAI API Cost Tracker是一个开源工具，帮助用户跟踪和分析OpenAI API的每日使用情况和费用。它提供了关于不同模型（如ChatGPT、GPT-4、Whisper和文本嵌入模型）的成本洞察，支持以图表或饼图的形式可视化信息，用户可以根据时间粒度自定义查看数据。

GPT-S Navigator是一个顶级数据产品，提供对OpenAI顶级GPT-S模型的访问，包含丰富的提示库和个性化推荐，旨在提升用户在GPT-S旅程中的体验与效率。

这篇论文探讨了如何评估大模型的性能，包括评估的内容、地点和方法，并分析了当前评估方法的有效性和可信度。