推荐理由：做 LLM 训练的团队终于有了专门的评估工具，能省去重复跑基准的麻烦，建议模型开发者直接试试。

推荐理由：做 AI 智能体评估的团队终于不用手动翻 trace 找 bug 了——LangSmith Engine 自动暴露系统性问题，ListenLabs 已经用上了，建议做 agent 开发的团队点开看看。

推荐理由：AI安全研究终于走向开放，做AI安全评估和模型审计的团队可以直接复用这些资源，建议点开看看具体有哪些工具和数据集。