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 2026-09-14 · 当前星标 ★ 313
核心亮点
- 聚合 37 个公开来源、超 1.1 万条评测记录，覆盖面广
- 每条记录附带原始证据链接，便于溯源核实
- 每日自动更新，能较快反映新发布的 benchmark
不足之处
- 项目处于早期，星标数较少，社区生态和长期维护待观察
- 以数据聚合为主，缺少对评测质量或适用性的深度分析
适用场景
- 调研 LLM/Agent 评测基准时快速检索候选榜单
- 撰写评测综述或竞品分析时批量导出基准清单
- 持续监控新发布的 AI 评测数据集和评测方法
替代项目
Papers with Code、Hugging Face Datasets、OpenCompass
同类项目推荐
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) ···
Awesome-AD-on-T2IDM
开源
扩散模型攻防论文与工具一站速查
A collection of resources on attacks and defenses targeting text-to-image diffusion ···
dodoguard
开源
给 AI Agent 加一道全流程安全护栏，防注入防越权
DodoGuard: Take AI Agents to Production. Test, validate, and operate AI Agents befor···
agent-python-pytest
开源
pytest 跑完自动上报报告，结果集中可查
Framework integration with PyTest
terminal-bench-science
开源
让 AI 在终端里跑通真实科研任务并自动打分
Terminal-Bench-Science: Evaluating AI agents on research workflows across scientific···
Synthid-Bypass
开源
实测绕过 Google SynthID 水印，AI 图像溯源攻防参考
Ai safety research showing a working bypass to Google's synthid on Nano Banana Pro
tifa
开源
用问答方式自动检查AI画图是否忠实于文字描述
TIFA: Accurate and Interpretable Text-to-Image Faithfulness Evaluation with Question···
pII-guard
开源
用 LLM 智能识别日志中的隐私信息，轻松满足 GDPR 合规。
️ PII Guard is an LLM-powered tool that detects and manages Personally Identifiable···
LLM-KG-Bench
开源
一键评测大模型在知识图谱任务上的表现
LLM-KG-Bench is a Framework and task collection for automated benchmarking of Large ···