
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 2026-11-21 · 当前星标 ★ 367
核心亮点
- 提示词按编程任务组织,附带详细项目规格,可直接作为评测输入
- 覆盖项目级需求描述,比单轮问答更接近真实开发场景
- 结构简单、易读易改,方便团队二次扩充自有测试用例
不足之处
- 仅 367 星,社区规模小,用例数量和更新频率有限
- 缺少配套的自动评分脚本与评测流水线,需自行搭建对比框架
适用场景
- 对比多个代码模型在同一批编程任务上的表现
- 为团队内部模型选型搭建可复现的提示词测试集
- 作为提示词工程教学与项目规格写作的参考样例
替代项目
HumanEval、BigCodeBench、promptfoo
上一篇:arena-hard-auto
下一篇:没有了!
同类项目推荐
dep-scan
开源
扫依赖和镜像,查漏洞与许可证风险,出 SBOM
OWASP dep-scan is a next-generation security and risk audit tool based on known vuln···
hallucination-index
开源
测出哪个AI最会胡说八道,选模型不再踩坑
Initiative to evaluate and rank the most popular LLMs across common task types based···
beir
开源
一个平台,跑遍15+检索数据集,看清模型真实力。
A Heterogeneous Benchmark for Information Retrieval. Easy to use, evaluate your mode···
skillsbench
开源
给 AI 技能和 agent 打分,看谁真会用工具
SkillsBench evaluates how well skills work and how effective agents are at using the···
Jailbreaks-GPT-Gemini-deepseek-
开源
多模型越狱提示样本库,用于安全评测对比
Jailbreaks GPT, Sora, Claude, Gemini ,deepseek this prompt unlocks rage mode
Awesome-KV-Cache-Optimization
开源
一页看懂 KV Cache 优化全景,快速选对推理加速方案
[ACL 2026] Towards Efficient Large Language Model Serving: A Survey on System-Aware ···
Awesome-Process-Reward-Models
开源
一站式索引过程奖励模型论文与代码,快速上手推理监督
A comprehensive collection of process reward models.
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···
Video-MME-v2
开源
评测视频大模型,从看懂片段到理解长视频全场景。
Video-MME-v2: Towards the Next Stage in Benchmarks for Comprehensive Video Understan···