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 ★ 100
核心亮点
- 内置多种主流基准，开箱即用，省去搭建评估环境的麻烦
- 支持自定义数据集，能针对业务场景定制评估任务
- 提供 RAG 专项评估，直接命中检索增强应用的核心痛点
不足之处
- 项目尚在早期，文档和社区生态有待完善
- 评估指标和可视化报告相对基础，深度分析能力有限
适用场景
- 对比不同大模型在标准基准上的性能表现
- 验证 RAG 系统在特定知识库上的检索与生成质量
- 在模型迭代或微调后，快速回归测试效果
替代项目
lm-evaluation-harness、OpenCompass、DeepEval
下一篇：DSBench
同类项目推荐
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
future-agi
开源
一站式评估、观测和优化你的 AI 智能体，提升可靠性和安全性。
Open-source, end-to-end platform for evaluating, observing, and improving LLM and AI···
Robust-U1
开源
让多模态模型自己修复坏图，理解不翻车
[ICML 2026] Official Implementation of Robust-U1: Can MLLMs Self-Recover Corrupted V···
ActPlane
开源
用 eBPF 管住 AI Agent 的数据流，防泄露防乱来
eBPF Information Flow Enforcement for AI Agent safety, security and effectiveness
Awesome-MLLM-Uncertainty
开源
一页看尽多模态模型不确定性研究，快速定位关键论文
✨A curated list of papers on the uncertainty in multi-modal large language model (M···
secure-ai-tooling
开源
给AI系统做安全体检，用统一框架识别和缓解风险
The CoSAI Risk Map is a framework for identifying, analyzing, and mitigating securit···
tribunal
开源
在 Elixir 里像写测试一样评测 LLM 输出
LLM evaluation framework for Elixir: evaluate and test LLM outputs, detect hallucina···
eval
开源
用真实编码任务测出大模型真实力，结果公开可对比
Public results and task definitions for FrontierHarness Eval
Awesome-LLM-Red-Teaming
开源
一站式收集 LLM 红队测试资源，快速上手安全攻防
A curated list of awesome LLM Red Teaming training, resources, and tools.