LLM-Agent-Evaluation-Survey
一库收齐智能体评测论文，快速摸清评测方法
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-23 · 当前星标 ★ 114
核心亮点
- 按主题汇总 LLM 智能体评测相关论文，便于系统调研
- 聚焦评测这一细分方向，比通用 awesome 列表更垂直
- 适合作为论文检索入口，降低领域入门的信息筛选成本
不足之处
- 仅为论文清单，不含可运行的评测代码或工具
- 项目早期、星标少，更新频率与内容完整性待观察
适用场景
- 研究生调研智能体评测方向时快速找论文
- 团队设计智能体评测方案前做文献综述
- 跟踪 LLM Agent 评测领域最新进展
替代项目
awesome-llm-agents、AgentBench
上一篇：matharena
下一篇：genai-bench
同类项目推荐
InfiniteBench
开源
测出大模型在10万字长文本下的真实水平
Codes for the paper "∞Bench: Extending Long Context Evaluation Beyond 100K Tokens":···
FuzzyAI
开源
自动给 LLM 做安全体检，找出越狱漏洞
A powerful tool for automated LLM fuzzing. It is designed to help developers and sec···
sec-code-bench
开源
测测大模型写的代码安不安全
SecCodeBench is a benchmark suite focusing on evaluating the security of code genera···
CS-Eval
开源
给网络安全大模型打分，快速找出安全能力短板
CS-Eval is a comprehensive evaluation suite for fundamental cybersecurity models or ···
Awesome-KV-Cache-Optimization
开源
一页看懂 KV Cache 优化全景，快速选对推理加速方案
[ACL 2026] Towards Efficient Large Language Model Serving: A Survey on System-Aware ···
xFinder
开源
用AI自动评估AI，让模型评测更可靠、更省力
[ICLR 2025] xFinder: Large Language Models as Automated Evaluators for Reliable Eval···
HacxGPT-Jailbreak-prompts
开源
一键解锁 AI 模型隐藏能力，突破限制自由对话
HacxGPT Jailbreak : Unlock the full potential of top AI models like ChatGPT, LLaMA, ···
mcp-observatory
开源
在智能体接入前，自动给 MCP 服务器做安全体检
Free, MIT-licensed MCP security testing from ClearFrame. Scan, audit, compare, and r···
aws-bench
开源
给AI智能体在真实AWS云上打分的基准测试
aws-bench measures how well AI agents and model combinations perform on real AWS wor···