嵌入质量基准测试工具

团队在比较嵌入模型时，常常难以超越通用基准测试，而这些测试无法反映其特定需求（例如，法律文本与产品描述）。

创建一个可配置的评估平台，用户可以在其中上传自己的数据集并定义自定义相似性指标。生成跨模型可复现的报告卡。

将企业许可出售给频繁进行模型评估的AI团队。先支持主要的开放模型，然后再添加专有模型。

挑战在于创建足够灵活的评估框架，同时又不让非专业用户感到不知所措。