LLM-Agent-Benchmark-List
一站式查找 LLM 智能体评估基准，省去全网搜索时间
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 ★ 174
核心亮点
- 聚焦 LLM 智能体评估，主题明确，节省筛选时间
- 以清单形式组织，便于快速浏览和横向对比
- 紧跟领域发展，持续收录新 benchmark
不足之处
- 项目处于早期，收录的 benchmark 数量可能有限
- 文档/社区待观察
适用场景
- 研究者调研 LLM 智能体评估方法时快速检索
- 开发者为自己的智能体系统选择合适的评估基准
- 教学或技术分享中梳理智能体评估领域现状
替代项目
Awesome-LLM-Agents、LLM-Benchmark-Leaderboard、EvalList
同类项目推荐
verifywise
开源
一站式搞定 AI 合规审计，轻松应对欧盟 AI 法案等 20+ 法规。
Complete AI governance and LLM Evals platform with support for EU AI Act, ISO 42001,···
Awesome-LLM-Uncertainty-Reliabil···
开源
一页看懂LLM可靠性研究全景，找论文、查基准、避幻觉坑
Awesome-LLM-Robustness: a curated list of Uncertainty, Reliability and Robustness in···
Awesome-LLMs-for-Vulnerability-D···
开源
一站式追踪LLM漏洞检测前沿论文与数据集
The community's most comprehensive, continuously-updated index of research on Large ···
ChatGPT_DAN
开源
复制粘贴一句提示词，让 ChatGPT 突破限制回答任何问题。
ChatGPT DAN, Jailbreaks prompt
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 ···
LLM4Pentest
开源
让大模型真刀真枪打渗透，测出真实攻防水平
AdvUnlearn
开源
对抗训练让概念擦除更抗攻击，生成更安全
Official implementation of NeurIPS'24 paper "Defensive Unlearning with Adversarial T···
llm-as-a-verifier
开源
给任意 agent 加个 LLM 裁判，不训练也能细粒度打分
LLM-as-a-Verifier is a general-purpose framework that provides fine-grained feedback···
terminal-bench-science
开源
让 AI 在终端里跑通真实科研任务并自动打分
Terminal-Bench-Science: Evaluating AI agents on research workflows across scientific···