Owner
benchflow-ai
已索引 2 个仓库 · 在 GitHub 查看
-
skillsbench
SkillsBench evaluates how well skills work and how effective agents are at using them.
PDDL · 1830 个 star
-
awesome-evals
A curated, non-BS library of the best resources for building and evaluating AI agents — papers, blogs, talks, tools, benchmarks. Maintain...
1024 个 star
可能已有人在做的 issue 排在最后。 全部按时间排序
-
难度 1/5 1 小时以内 新手友好度 86/100
benchflow-ai/skillsbench#1090 ·
-
难度 4/5 3-5 天 新手友好度 48/100
benchflow-ai/skillsbench#1086 ·
-
难度 2/5 1-3 小时 新手友好度 68/100
benchflow-ai/skillsbench#1066 ·
-
难度 2/5 1-3 小时 新手友好度 72/100
benchflow-ai/skillsbench#1065 ·
-
难度 1/5 1 小时以内 新手友好度 35/100
benchflow-ai/awesome-evals#142 ·
维护者通常 1 天内回复
-
难度 4/5 3-5 天 新手友好度 46/100
benchflow-ai/skillsbench#1062 ·
-
难度 5/5 一周以上 新手友好度 25/100
benchflow-ai/skillsbench#1057 ·
-
难度 1/5 1 小时以内 新手友好度 55/100
benchflow-ai/awesome-evals#90 ·
维护者通常 1 天内回复
-
难度 1/5 1 小时以内 新手友好度 20/100
benchflow-ai/skillsbench#1049 ·
-
难度 5/5 一周以上 新手友好度 35/100
benchflow-ai/skillsbench#1046 ·
-
难度 4/5 3-5 天 新手友好度 42/100
benchflow-ai/skillsbench#1045 ·
-
难度 1/5 1-3 小时 新手友好度 25/100
benchflow-ai/skillsbench#1041 ·
-
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#1019 ·
-
难度 4/5 3-5 天 新手友好度 48/100
benchflow-ai/skillsbench#1020 ·
-
难度 5/5 一周以上 新手友好度 25/100
benchflow-ai/skillsbench#1023 ·
-
难度 5/5 一周以上 新手友好度 35/100
benchflow-ai/skillsbench#1004 ·
-
难度 4/5 3-5 天 新手友好度 35/100
benchflow-ai/skillsbench#999 ·
-
难度 4/5 3-5 天 新手友好度 48/100
benchflow-ai/skillsbench#1000 ·
-
难度 4/5 3-5 天 新手友好度 43/100
benchflow-ai/skillsbench#1001 ·
-
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#995 ·
-
难度 4/5 3-5 天 新手友好度 35/100
benchflow-ai/skillsbench#987 ·
-
难度 4/5 3-5 天 新手友好度 48/100
benchflow-ai/skillsbench#988 ·
-
难度 5/5 一周以上 新手友好度 25/100
benchflow-ai/skillsbench#981 ·
-
难度 5/5 一周以上 新手友好度 35/100
benchflow-ai/skillsbench#963 · 1 条评论 · 2 个 reaction ·
-
难度 2/5 半天 新手友好度 48/100
benchflow-ai/skillsbench#945 · 2 个 reaction ·
-
难度 4/5 3-5 天 新手友好度 35/100
benchflow-ai/skillsbench#879 ·
-
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#865 · 1 条评论 · 1 个 reaction ·
-
难度 2/5 1-3 小时 新手友好度 50/100
benchflow-ai/skillsbench#856 · 3 条评论 ·
-
难度 3/5 1-2 天 新手友好度 55/100
benchflow-ai/skillsbench#836 ·
-
task
难度 4/5 3-5 天 新手友好度 42/100
benchflow-ai/skillsbench#830 · 2 条评论 ·
-
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#788 · 3 条评论 ·
-
难度 4/5 3-5 天 新手友好度 35/100
benchflow-ai/skillsbench#783 · 1 条评论 ·
-
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#750 · 6 条评论 ·
-
难度 4/5 3-5 天 新手友好度 35/100
benchflow-ai/skillsbench#708 · 21 条评论 · 1 个 reaction ·
-
难度 4/5 3-5 天 新手友好度 35/100
benchflow-ai/skillsbench#704 · 1 条评论 · 1 个 reaction ·
-
18 task verifiers grade against files the agent can overwrite可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 4/5 3-5 天 新手友好度 15/100
benchflow-ai/skillsbench#1064 ·
-
[xlsx-recover-data] Ground truth and verifier disagree on Growth Analysis!B8 expected value可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 78/100
benchflow-ai/skillsbench#1050 · 1 条评论 ·
-
`weighted-gdp-calc`: instruction says years are in row 10, they're in row 9可能已有人在做 @linhongyu510 于 68 天前认领。 未关闭
难度 1/5 1 小时以内 新手友好度 35/100
benchflow-ai/skillsbench#1048 ·
-
`weighted-gdp-calc`: verifier CSV fallback is off by 8 rows, formula-only submissions always score 0可能已有人在做 @linhongyu510 于 68 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 35/100
benchflow-ai/skillsbench#1047 ·
-
Remove answer leakage from dapt-intrusion-detection skills and clarify detection contract可能已有人在做 关联的 PR 仍在进行中或已合并。 未关闭
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#1018 ·
-
Remove task-specific answer values from edit-pdf skills可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 3/5 1-2 天 新手友好度 55/100
benchflow-ai/skillsbench#1022 ·
-
Remove target-output leakage from video-silence-remover skills可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 3/5 1-2 天 新手友好度 47/100
benchflow-ai/skillsbench#1021 ·
-
python-scala-translation exposes a complete implementation in the agent image可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 4/5 3-5 天 新手友好度 48/100
benchflow-ai/skillsbench#1007 ·
-
Accept valid http.request_header in suricata-custom-exfil verifier可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 3/5 1-2 天 新手友好度 55/100
benchflow-ai/skillsbench#1003 ·
-
Reset protected tests before grading spring-boot-jakarta-migration可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 5/5 一周以上 新手友好度 35/100
benchflow-ai/skillsbench#1002 ·
-
Package shock-analysis-demand data and specify verifier layout rules可能已有人在做 关联的 PR 仍在进行中或已合并。 未关闭
难度 5/5 一周以上 新手友好度 25/100
benchflow-ai/skillsbench#998 · 1 条评论 ·
-
Make simpo-code-reproduction verifier dependencies installable可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#994 ·
-
Clarify join semantics for sales-pivot-analysis可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 4/5 3-5 天 新手友好度 45/100
benchflow-ai/skillsbench#996 ·
-
Align pddl-airport-planning example syntax with verifier parser可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 3/5 1-2 天 新手友好度 53/100
benchflow-ai/skillsbench#993 ·
-
Fix seismic-phase-picking SeisBench image build on Daytona可能已有人在做 @xdotli 于 12 天前认领。 未关闭
难度 4/5 3-5 天 新手友好度 43/100
benchflow-ai/skillsbench#990 ·