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 2026-09-12 · 当前星标 ★ 179
核心亮点
- 把合成数据生成、后训练和 E2B 沙箱评测串成一条可复现的 Shell 流水线，省去自己搭评测环境
- 基于 E2B 隔离沙箱执行代码，评测结果更接近真实运行环境而非静态匹配
- 同时覆盖数据生成与模型后训练两个环节，适合做端到端的代码智能体迭代实验
不足之处
- 项目处于早期阶段，星标仅 153，文档和示例可能不够完整
- 强依赖 E2B 沙箱服务，离线或自建环境使用成本较高
适用场景
- 研究团队需要快速搭建代码智能体基准评测闭环
- 模型后训练阶段批量生成合成代码任务数据
- 对比不同代码模型在隔离沙箱中的真实执行表现
替代项目
SWE-bench、HumanEval
上一篇：GraphGen
同类项目推荐
Datasets-and-benchmark-code
开源
集中查数据集与基准代码，复现评测更省事
data-is-better-together
开源
众人一起标注反馈，把零散数据变成高质量数据集
Let's build better datasets, together!
OntoAligner
开源
上传两个本体，一键生成语义映射关系。
OntoAligner: A Python Toolkit for Ontology Alignment https://pypi.org/project/OntoAl···
bible
开源
90版35语圣经文本，JSON/XML 直接拿去用
Bible text in JSON and XML — 141 versions across 85 languages, ready for apps, vers···
lora-dataset-studio
开源
一站式搞定 LoRA 数据集制作、训练与测试，本地免费运行
Self-hosted, one-tab workbench for the whole training lifecycle: build Character/Con···
synthea
开源
一键生成百万级合成病人数据，告别隐私合规烦恼
Synthetic Patient Population Simulator
TTS-dataset-tools
开源
上传音频和文本，自动切分对齐，快速生成 TTS 数据集。
Automatically generates TTS dataset using audio and associated text. Make cuts under···
datalad
开源
用Git方式管理大型数据和代码，实现可复现科研
Keep code, data, containers under control with git and git-annex
ldbc_snb_datagen_spark
开源
按 LDBC 标准一键生成 TB 级社交图测试数据
Synthetic graph generator for the LDBC Social Network Benchmark, running on Spark