ViDoRe 是评估视觉文档检索的基准与评测代码，配套 ColPali 论文，用于衡量多模态检索模型在图文文档上的检索效果。

Python SDK，用于监控 AI 智能体运行、追踪 LLM 调用成本并做基准评测，兼容 CrewAI、LangChain、AutoGen 等主流智能体框架。

面向大语言模型的强化学习训练框架，支持分布式训练与智能体工作流，让开发者能低成本训练和调优推理模型。

用 Python 对多目标跟踪器做基准评测，计算 CLEAR MOT 等标准指标，方便横向对比不同跟踪算法的效果。

微软推出的可扩展 Windows 操作系统平台，用于测试和基准评测多模态 AI 智能体在真实桌面环境中的表现。

在真实操作系统环境里评测多模态智能体的基准平台，支持开放式任务，覆盖 GUI 操作、命令行和代码生成等场景。

字节跳动开源的视觉语言基础模型，主打通用多模态理解与推理，在 60 个公开基准中有 38 项达到 SOTA，配套 Notebook 教程方便上手。

把 Google Antigravity CLI 包装成 Claude Code 和 OpenAI Codex 的插件，让它们能调用 Gemini 作为快速子代理，用于代码审查和基准评测。

把视频流转化为整体 3D 空间智能的 ICML 2026 Oral 工作，配套基准用于评测视觉语言模型的空间理解能力。

汇总基于图的检索增强生成（GraphRAG）相关综述、论文、基准和开源项目，帮研究者快速找到图谱结合 RAG 的资料。