测测大模型能不能发现科学公式，一测便知
LLM-SRBench 是一个用于评估大语言模型在科学方程发现任务上能力的基准测试，发表于 ICML 2025 Oral。该基准旨在解决现有符号回归基准未能充分测试 LLM 在真实科学发现场景中表现的问题。它包含来自物理、化学、生物等领域的多样化方程，并设计了从数据中直接生成符号表达式的任务。核心能力包括：提供标准化评估协议、支持多种 LLM 后端（如 GPT-4）、内置基线方法对比，以及可视化分析工具。通过该基准，研究者可以系统比较不同 LLM 在科学发现上的潜力，推动 AI for Science 的发展。
SRBench、Feynman Symbolic Regression Benchmark、AI Feynman
llm-srbench 是评测安全领域的开源项目，由 deep-symbolic-mathematics 开发，2025 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 125。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。开源基准测试项目，完全免费，无付费版本。
它主要面向的使用场景是：评估LLM在科学发现任务中的能力。同类可对比的替代方案包括 SRBench、Feynman Symbolic Regression Benchmark、AI Feynman。
上一篇：alpaca_eval
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···
