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 2026-08-10 · 当前星标 ★ 112
技术标签
核心亮点
- 聚焦真实 React Native 场景，评估结果贴近实际开发
- 自动化基准测试，支持横向对比不同 AI 模型
- 基于 TypeScript，易于扩展自定义评估任务
不足之处
- 项目早期，社区和文档待观察
- 仅覆盖 React Native，场景相对单一
适用场景
- 评估 AI 编码助手在移动端开发中的表现
- 对比不同模型在 React Native 任务上的能力
- 作为 AI 编程工具选型的参考依据
替代项目
SWE-bench、HumanEval、MBPP
同类项目推荐
WindowsAgentArena
开源
在真实 Windows 环境中，一键测试和对比 AI 智能体的任务完成能力。
Windows Agent Arena (WAA) is a scalable OS platform for testing and benchmarking of···
RiOSWorld
开源
测出你的电脑智能体有多“手贱”，防翻车必备
[NeurIPS 2025] Official repository of RiOSWorld: Benchmarking the Risk of Multimodal···
UHGEval
开源
一键测出大模型胡说八道，量化幻觉风险
[ACL 2024] User-friendly evaluation framework: Eval Suite & Benchmarks: UHGEval, Hal···
Zero-Breach-Toolkit
开源
离线自查设备是否留有已知间谍软件痕迹
Free, open-source check for traces of mercenary spyware (Pegasus, Predator, Graphite···
context-bombs
开源
用现成的攻击字符串，测出你的 AI 系统抗不抗揍。
Context bomb strings
ChatGPT-Sentiment-Evaluation
开源
测测ChatGPT懂不懂你的情绪
Can ChatGPT really understand the opinions, sentiments, and emotions contained in th···
AttackVLM
开源
给视觉语言模型找茬，一键测出安全漏洞
[NeurIPS, 500+ Citations!] Alignment & Safety for multimodal foundation models
uqlm
开源
量化 LLM 不确定性，精准识别幻觉，提升 AI 输出可信度。
[JMLR 2026] UQLM: A Python package for LLM hallucination detection using uncertainty···
speca
开源
把规范文档自动变成审计清单，逐条核查代码
SPECA: Specification-to-Checklist Agentic Auditing Framework