Movie101是一个大规模的中文电影理解基准，包含101部电影，配备音频描述(AD)。数据集包含30,174个解说片段，总计92小时。基准包含两个任务：电影片段解说(MCN)和时序解说定位(TNG)，旨在推动中文电影理解领域的研究与应用。

Innovatiana是一个专注于数据标注外包的平台，为AI模型提供高质量的数据注释服务，帮助企业高效完成模型训练、数据收集及处理任务。

ConsoleX是一个综合性的LLM实验平台，结合了聊天接口、LLM API实验和批量评估，支持所有主流LLM，并提供比官方实验室更多的增强功能。

一个通过模拟面试过程来评估大型语言模型（LLMs）能力的框架，让一个LLM扮演面试官的角色，通过提供反馈和追问问题来全面评估其他LLMs的能力。

一个测试AI写作能力的基准项目，通过要求AI在短故事中融入10个强制性元素（如角色、物品、核心概念等），评估其创意写作的完整性和连贯性

该项目探讨了五种语言大模型在四种语言的五个任务上的表现差异，通过特定方法优化性能，虽然相较于传统方法仍有不足，尤其在处理敏感问题时需注意偏差。尽管LLM在某些方面表现出优势，仍无法完全取代人类标注。文章还讨论了聚合模型标注与人类标注在速度、准确性、成本和偏见方面的权衡。