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 ★ 151
技术标签
核心亮点
- 轻量级验证，比大型 judge 模型推理成本低很多
- 专注数学推理场景，答案比对精准度高
- 易于集成到现有评估框架，如 OpenCompass
不足之处
- 仅支持数学类答案验证，通用性有限
- 文档和社区生态尚不完善，需自行摸索
适用场景
- 数学推理模型批量评估
- 强化学习训练中的奖励模型替代
- 低成本自动化评测流水线
替代项目
Math-Verify、LLM-as-a-Judge、OpenCompass
上一篇：Awesome-LLM-Eval
下一篇：AlignBench
同类项目推荐
Cognitive-Core-Skills
开源
一套标准，量化AI的认知核心技能，让模型能力可比较。
A universal, industry-neutral taxonomy of cognitive core skills (perception, memory,···
robustness-foundation-models
开源
动手复现大模型鲁棒性实验，看清AI脆弱点
This repository holds code and other relevant files for the NeurIPS 2022 tutorial: F···
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) ···
content-debiased-fvd
开源
让视频生成评估更公平，去除内容偏差的FVD指标
[CVPR 2024] On the Content Bias in Fréchet Video Distance
xVerify
开源
快速验证推理模型答案，让评估更省钱省时。
xVerify: Efficient Answer Verifier for Reasoning Model Evaluations
BackdoorLLM
开源
统一评测 LLM 后门攻防，一键复现与对比
[NeurIPS 2025] BackdoorLLM: A Comprehensive Benchmark for Backdoor Attacks and Defen···
SelfAware
开源
测出模型不知道自己不知道什么，减少胡编乱造
Do Large Language Models Know What They Don’t Know?
julius
开源
输入 IP:端口，秒认背后是哪种 LLM 服务
Simple LLM service identification - translate IP:Port to Ollama, vLLM, LiteLLM, or 6···
Machine_Learning_CTF_Challenges
开源
实战演练AI攻防，用CTF挑战掌握模型攻击与LLM漏洞利用
Hack AI/ML applications — CTF challenges for model attacks, LLMs and AI Agent explo···