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 ★ 293
技术标签
核心亮点
- 持续引入最新竞赛题，降低训练数据污染带来的虚高分数
- 提供统一答案提取与判分流程，减少人工核对成本
- 代码轻量、结构清晰，便于自行添加新题目和模型接口
不足之处
- 题目规模相对有限，单次评测统计波动较大
- 依赖外部模型 API，评测成本与可复现性受接口变化影响
适用场景
- 追踪新发布大模型在最新数学竞赛题上的推理表现
- 对比不同模型在同一批未见过题目上的准确率
- 为数学推理相关研究提供可复现的评测基线
替代项目
hendrycks/math、openai/grade-school-math、deepseek-ai/DeepSeek-Math
上一篇：lighteval
同类项目推荐
awesome-security-for-ai
开源
一站式导航AI安全工具，快速选型不踩坑
Awesome products for securing AI systems includes open source and commercial options···
guidellm
开源
给 LLM 推理服务做真实压测，选型调优有数可依
Evaluate and Enhance Your LLM Deployments for Real-World Inference Needs
promptmap
开源
给 LLM 应用做安全体检，防提示注入攻击
a security scanner for custom LLM applications
Awesome-LVLM-Safety
开源
一页看懂视觉语言模型安全攻防与评测资源
A curated list of resources dedicated to the safety of Large Vision-Language Models.···
AgentEval
开源
用 .NET 原生工具，给 AI Agent 做全面体检和红队测试。
AgentEval is the comprehensive .NET toolkit for AI agent evaluation—tool usage vali···
CVPR_2025_Oral_Paper_List
开源
一键速览CVPR 2025 Oral论文，紧跟视觉前沿
A curated list of CVPR 2025 Oral paper. Total 96
napolab
开源
一站式对比葡萄牙语AI模型，掌握最新性能排名
The Natural Portuguese Language Benchmark (Napolab). Stay up to date with the latest···
RVCBench
开源
给语音克隆模型做安全体检，防伪造保隐私
Comprehensive voice cloning evaluation: seven automatic speech metrics and ready-to-···
awesome-rsi
开源
一张图看懂 AI 自我改进的研究版图
A curated research map of Recursive Self-Improvement (RSI): models, agents, harnesse···