开源 LLM 工程平台：追踪、评测、提示词管理与指标。
SWE-bench
SWE-bench: Can Language Models Resolve Real-world Github Issues?
- रिपॉज़िटरी
- SWE-bench/SWE-bench
- स्टार
- ★ 6,042
- फ़ोर्क
- 1,020
- भाषा
- Python
- लाइसेंस
- MIT
- अंतिम अपडेट
- 2026-09-18
- 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.