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 ★ 115
核心亮点
- 聚焦幻觉这一具体痛点，评估维度清晰，结果直观可比
- 覆盖多种常见任务类型，评估场景贴近实际使用
- 开源评估流程，可复现，便于社区参与和扩展
不足之处
- 早期项目，评估样本和模型覆盖有限
- 文档/社区待观察
适用场景
- 开发者选择低幻觉模型用于客服或内容生成
- 研究者对比不同模型的可靠性以改进模型
- 企业评估LLM在垂直领域应用的风险
替代项目
HELM (Holistic Evaluation of Language Models)、lm-evaluation-harness、LLM Hallucination Leaderboard
同类项目推荐
Awesome-LM-SSP
开源
一网打尽大模型安全、隐私攻防的精华资料，快速跟上前沿。
A reading list for large models safety, security, and privacy (including Awesome LLM···
RiOSWorld
开源
测出你的电脑智能体有多“手贱”，防翻车必备
[NeurIPS 2025] Official repository of RiOSWorld: Benchmarking the Risk of Multimodal···
python-sdk
开源
官方 Python 客户端，几行代码接入标准化 AI 评测
The official Python SDK for Eval Protocol
TrustLLM
开源
给大模型做全面体检，量化可信度短板
[ICML 2024] TrustLLM: LLM trustworthiness evaluation across truthfulness, safety, fa···
awesome-MLSecOps
开源
一站式查找 AI/ML 安全工具，快速构建防御体系
A curated list of MLSecOps tools and resources for securing machine learning and AI ···
humanbound
开源
给 AI 智能体找茬，自动发现安全漏洞和逻辑缺陷。
Open-source adversarial testing engine, SDK, and CLI for AI agents. Runs locally or ···
opencompass
开源
一站式评测大模型，百个数据集横向对比，快速选出最强模型。
OpenCompass is an LLM evaluation platform, supporting a wide range of models from Op···
grim-prompter
开源
把 AI 代理指向代码库，自动产出可追溯威胁模型
Threat modeling for AI coding agents: point Claude Code, Codex or any agent at your ···
dingo
开源
一键评测AI数据与模型质量，自动出报告
Dingo: A Comprehensive AI Data, Model and Application Quality Evaluation Tool