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 ★ 159
核心亮点
- 首个针对智能体工作流生成的系统化基准，填补评测空白
- 提供细粒度错误分析，能定位工作流中具体失败环节
- 基于ICLR 2025论文，学术严谨性有保障
不足之处
- 项目处于早期阶段，文档和社区支持有待完善
- 基准任务集覆盖范围可能有限，需更多领域验证
适用场景
- 学术研究：对比不同LLM在工作流生成上的能力
- 模型选型：评估候选模型在自动化任务编排中的表现
- 产品开发：验证智能体系统的工作流生成质量
替代项目
AgentBench、ToolBench、APIGen
同类项目推荐
Video-MME
开源
测一测你的多模态模型，视频理解能力到底行不行
✨✨[CVPR 2025] Video-MME: The First-Ever Comprehensive Evaluation Benchmark of Mult···
agent-opfor
开源
给AI智能体做安全体检，模拟攻击找漏洞
Open-source adversary emulation for AI agents and MCP servers.
photoguard
开源
给图片加“免疫”，让AI改不动你的图
Raising the Cost of Malicious AI-Powered Image Editing
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 ···
AgentCapture
开源
给 AI 攻击代理布下诱饵，抓行为还能反制
Deception-layer honeypot that captures & reverse-controls AI pentest agents — embed···
AI-ML-Free-Resources-for-Securit···
开源
照着路线图学，从零入门 AI 渗透与提示注入
AI/ML Pentesting Roadmap for Beginners
openguardrails
开源
给 AI Agent 加本地规则、沙箱和网络管控三道闸
AI agent guardrails for every builder. Local rules, a sandbox and a firewall for you···
GateMem
开源
评测多主体共享记忆 Agent 的权限与隐私治理
GateMem: a benchmark and evaluation toolkit for memory governance in multi-principal···
BEAM
开源
百万级上下文下，科学评测并增强大模型长期记忆
[ICLR 2026] Beyond a Million Tokens: Benchmarking and Enhancing Long-Term Memory in ···