一站式查找 LLM 智能体评估基准，省去全网搜索时间
LLM-Agent-Benchmark-List 是一个专门收集和整理大语言模型（LLM）智能体（Agent）评估基准（Benchmark）的清单项目。它解决的是 LLM 智能体领域评估标准分散、研究者难以快速找到合适基准的问题。项目核心能力是系统性地汇总各类针对 LLM 智能体的 benchmark，包括任务设计、评估指标、数据集等信息，帮助开发者或研究者快速了解当前主流评估方法，并选择合适的基准来测试自己的智能体系统。作为一个早期项目，它更像是一个导航站或资源索引，方便社区检索和对比不同评估方案。
Awesome-LLM-Agents、LLM-Benchmark-Leaderboard、EvalList
LLM-Agent-Benchmark-List 是评测安全领域的开源项目，由 zhangxjohn 开发，2024 年首次发布。
它收录于评测安全分类，该分类目前共有 470 个项目，GitHub 星标数为 171。
项目仍在小幅维护中，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，完全免费，无付费版本。
它主要面向的使用场景是：研究者调研LLM智能体评估方法时快速检索。同类可对比的替代方案包括 Awesome-LLM-Agents、LLM-Benchmark-Leaderboard、EvalList。
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
