benchmark-radar

一站追踪全球 AI 评测基准，每日更新可溯源

benchmark-radar 是一个面向 AI 评测领域的数据聚合工具，它从 37 个公开来源持续抓取并整理超过 11,923 条与 AI benchmark、评测方法、数据集和数据质量相关的记录，为研究者和工程师提供统一的检索入口。项目解决的核心问题是：AI 评测信息高度分散在论文、榜单、GitHub 仓库和社区帖子中，人工追踪成本极高，且容易遗漏新发布的基准。它通过每日更新机制和证据链接，把每条记录与其原始出处关联起来，方便用户快速核实和溯源。核心能力包括多源采集、结构化归类、关键词检索以及按时间追踪新增评测。适合需要持续跟进 LLM/Agent 评测动态、选型对比基准或做评测综述的团队使用。

开源 unknown 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 228

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类评测安全

开发团队ktwu01

所属国家

官网地址https://benchmark-radar.org

GitHubhttps://github.com/ktwu01/benchmark-radar

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent-bench,agent-benchmark,agent-benchmarking,agent-benchmarks,agentic-benchmark,agentic-benchmarking,ai-benchmark,benchmark,benchmark-datasets,benchmark-framework,benchmark-suite,benchmarking,benchmarks,datasets,eval,evaluation,evaluation-framework,evaluations,llm-evaluation,model-cards

GitHub 星标★ 228

30天Star增速

HF 下载量

上线时间2026-07-27 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-14

浏览次数0

使用教程

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

项目介绍

benchmark-radar 是一个评测安全领域的开源项目，官方简介：Track 11,923+ AI benchmark, eval, dataset, and data-quality records from 37 public sources, with linked evidence and daily updates.。项目使用 Python 开发，在 GitHub 上获得 191 星标。

上一篇：every_eval_ever

下一篇：model-serving-minefield