开源 LLM 工程平台：追踪、评测、提示词管理与指标。
LiveBench
LiveBench: A Challenging, Contamination-Free LLM Benchmark
- रिपॉज़िटरी
- LiveBench/LiveBench
- स्टार
- ★ 1,343
- फ़ोर्क
- 125
- भाषा
- Python
- अंतिम अपडेट
- 2026-10-16
- विज़िट
- 0
मिलते-जुलते प्रोजेक्ट
测试提示词、模型与 RAG 的评测与红队工具，CLI 与 CI 友好。
大模型少样本评测框架，Open LLM Leaderboard 背后的工具。
Open-source AI penetration testing tool to find and fix your app’s vulnerabilities.
用众多可复用的提示词模式增强人类能力的开源框架。
An AI prompt optimizer for writing better prompts and getting better AI results.