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 ★ 126
核心亮点
- 首个聚焦多模态智能体操作风险的基准，填补安全评估空白
- 基于 OSWorld 真实环境，任务贴近实际使用场景
- 提供标准化评分和风险标注，便于横向对比不同智能体
不足之处
- 项目处于早期，文档和社区支持待观察
- 仅支持有限的操作系统版本，环境搭建成本较高
适用场景
- 开发电脑操作智能体时进行安全测试
- 评估企业级智能体在真实系统上的风险等级
- 学术研究对比不同智能体的操作安全性
替代项目
OSWorld、AgentBench、WebArena
同类项目推荐
UHGEval
开源
一键测出大模型胡说八道，量化幻觉风险
[ACL 2024] User-friendly evaluation framework: Eval Suite & Benchmarks: UHGEval, Hal···
synbad
开源
同一模型多家推理服务商，跑一轮评测看谁更靠谱
LLM evals to test open-source inference providers
defenseclaw
开源
给自主 AI Agent 套上可审计的安全护栏
Security Governance for Agentic AI
InfiniteBench
开源
测出大模型在10万字长文本下的真实水平
Codes for the paper "∞Bench: Extending Long Context Evaluation Beyond 100K Tokens":···
any-guardrail
开源
一个接口切换多种大模型安全护栏，评测对比不再改代码
Giving researchers and practitioners an easy way to switch between guardrails.
PersonaMem
开源
测测你的AI有多懂你：动态画像+个性化回复基准
[COLM 2025] Know Me, Respond to Me: Benchmarking LLMs for Dynamic User Profiling and···
keystone-bench
开源
换掉关键事实，看AI医疗建议会不会跟着变
A clinical decision-evidence benchmark: pull the one fact an answer rests on, and se···
ai-safe2-framework
开源
给 AI 智能体装上治理与合规操作系统，让 AI 安全落地。
The Universal Governance, Risk, Compliance (GRC) Operating System with Integrated Se···
absent-author
开源
用证据清单和 AI agent 揪出没人负责的 AI 论文
Research and writing can be automated. Authorship cannot. Evidence list + agent skil···