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 ★ 84
技术标签
核心亮点
- 首个针对异构数据查询的专用基准，填补空白
- 提供标准化任务和自动评估，结果可复现
- 支持主流 LLM 集成，便于横向对比不同智能体
不足之处
- 文档/社区待观察
- 早期项目，星标少，生态未成熟
适用场景
- 研究机构对比不同数据智能体性能
- 企业评估选型数据 AI 助手
- 开发者验证自研数据代理的准确率
替代项目
Spider、BIRD-SQL、DAX-Bench
上一篇：VLMEvalKit
下一篇：AICompare
同类项目推荐
skill-validator
开源
一条命令检查 Agent Skill 写得对不对、够不够扎实
Validate Skill content against Agent Skill specification, with additional content de···
power-pwn
开源
给 AI 助手做安全体检，防黑客钻空子
An offensive/defense security toolset for discovery, recon and ethical assessment of···
DallEval
开源
测出文生图模型的推理短板与偏见，优化生成质量
DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generatio···
awesome-language-model-analysis
开源
一份论文清单，帮你快速摸清大模型分析的研究脉络。
This paper list focuses on the theoretical and empirical analysis of language models···
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···
aacr-bench
开源
用真实仓库上下文评测大模型的代码审查能力
An Alibaba open-source multi-language benchmark for evaluating LLMs in repository-le···
Awesome-KV-Cache-Compression
开源
一份论文清单，搞定大模型KV Cache压缩选型
Must-read papers on KV Cache Compression (constantly updating ).
clean-fid
开源
让 FID 分数更可信，生成模型评估不踩坑
PyTorch - FID calculation with proper image resizing and quantization steps [CVPR 20···
Omni-SafetyBench
开源
给音视频大模型做安全体检，发现隐藏风险
[ACM MM 2026] Code for paper "Omni-SafetyBench: A Benchmark for Safety Evaluation of···