开源 LLM 工程平台：追踪、评测、提示词管理与指标。
MLE-bench (OpenAI)
MLE-bench is a benchmark for measuring how well AI agents perform at machine learning engineering
- 仓库
- openai/mle-bench
- Stars
- ★ 1,771
- Forks
- 262
- 语言
- Python
- 最近更新
- 2026-04-24
- 访问次数
- 0
同类项目
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.