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 ★ 131
核心亮点
- 基于真实数据科学竞赛和业务场景构建，任务贴近实际工作
- 覆盖数据分析和建模两大核心场景，评估维度全面
- 支持多轮交互式智能体评测，能反映真实使用中的表现
不足之处
- 项目处于早期阶段，文档和社区生态尚待完善
- 基准测试集规模有限，可能无法覆盖所有数据科学任务类型
适用场景
- 评估数据科学智能体的综合能力
- 对比不同LLM在数据分析任务上的表现
- 指导数据科学智能体的迭代优化
替代项目
DS-1000、DataBench、MLAgentBench
上一篇：llm-eval
下一篇：alpaca_eval
同类项目推荐
Awesome-LLM-Reasoning-Failures
开源
一库看懂大模型推理翻车现场与原因
Repo for "Large Language Model Reasoning Failures"
encord-active
开源
用主动学习挑出最有价值的标注数据，让模型迭代更快更省
The toolkit to test, validate, and evaluate your models and surface, curate, and pri···
Oversight
开源
模块化拆解 LLM，自动红队测试，发现漏洞
A Completely Modular LLM Reverse Engineering, Red Teaming, and Vulnerability Researc···
awesome-ai-security-tools
开源
一页清单，快速定位 AI 安全各细分方向的可用工具
A curated list of public-source, research, and commercial tools for AI security and ···
awesome-agent-skills-security
开源
一份清单看懂 Agent 工具调用的攻击与防御
️ A curated list of resources on agent skills security: attacks, defenses, framewor···
agent-scan
开源
扫一遍 Agent 和 MCP 配置，提前揪出权限与注入风险
Security scanner for AI agents, MCP servers and agent skills.
litmus
开源
拖拽式搭建 LLM 测试，快速看清模型表现
Litmus is a comprehensive LLM testing and evaluation tool designed for GenAI Applica···
geobench
开源
用 GeoGuessr 游戏场景，测出 AI 的地理定位智商。
GeoGuessr benchmark for language models
VerifAI
开源
给带 AI 的系统做形式化验证，提前揪出危险场景
VerifAI is a software toolkit for the formal design and analysis of systems that inc···