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 2026-08-09 · 当前星标 ★ 65
核心亮点
- 首创将 GeoGuessr 游戏转化为 LLM 空间推理基准，评测维度新颖
- 支持多模型接入（ChatGPT/Claude/Gemini/Llama），对比方便
- 输出误差距离和准确率，量化指标直观可复现
不足之处
- 项目处于早期，测试场景覆盖度和文档完善度有限
- 依赖外部地图数据，可能受 API 配额和版权限制
适用场景
- 评估多模态 LLM 的地理常识和视觉定位能力
- 对比不同模型在空间推理任务上的表现差异
- 作为地理相关 AI 应用（如导航、旅游推荐）的预测试
替代项目
GeoBench、SpatialBench、VQA-Geo
同类项目推荐
hash-hop
开源
自动生成超长文本定位题，快速测出模型长上下文真本事
Long context evaluation for large language models
openevals
开源
几行代码给 LLM 应用打分，快速比出哪个版本更好
Readymade evaluators for your LLM apps
eva
开源
一套框架，全面衡量语音代理表现，快速定位短板。
A New End-to-end Framework for Evaluating Voice Agents
Awesome-Anomaly-Detection-Founda···
开源
一网打尽基础模型做异常检测的前沿资源
A curated list of papers & resources on anomaly detection foundation models using la···
Oversight
开源
模块化拆解 LLM，自动红队测试，发现漏洞
A Completely Modular LLM Reverse Engineering, Red Teaming, and Vulnerability Researc···
Doberman-Core
开源
运行时拦截 AI 的每个动作，防止危险操作执行
Your AI's guard dog. Doberman sits at runtime, gating every input, output and tool c···
Robust-U1
开源
让多模态模型自己修复坏图，理解不翻车
[ICML 2026] Official Implementation of Robust-U1: Can MLLMs Self-Recover Corrupted V···
evalscope
开源
一键评测大模型，性能基准轻松跑
A streamlined and customizable framework for efficient large model (LLM, VLM, AIGC) ···
MMAD
开源
用统一基准测出多模态大模型在工业质检中的真实水平
The Codes and Data of A Comprehensive Benchmark for Multimodal Large Language Models···