GitHub 市场
GitHub 上值得关注的 AI 项目和 Skills
每天追踪 GitHub 上的 AI 开源项目和可直接安装的 Agent Skill,按类别、增长和更新时间整理,每周一出一期精选。
Skill install terminal example: run npx skills add vercel-labs/agent-skills, select Codex and install globally.
GitHub 项目
按推荐顺序展示的GitHub 项目。 共 95 个。
bespokelabsai/ curatorcurator
Python合成数据整理工具 · bespokelabsai
合成数据整理工具
★ 1.8K+3 本周数据与评测11月2日更新
用于生成和筛选大模型后训练合成数据,也支持结构化信息提取,适合构建训练数据集的研究者与开发团队,并可融入 Python 数据处理流程。
vectara/ hallucination-leaderboardhallucination-leaderboard
Python大模型幻觉排行榜 · vectara
大模型幻觉排行榜
★ 3.3K+3 本周数据与评测11月18日更新
持续评测各家大模型在短文档摘要任务中产生幻觉的比例并公开排名,适合选型时参考模型可靠性,也方便研究者对比不同模型的事实性表现。
InternScience/ GraphGenGraphGen
Python知识图谱合成数据生成 · InternScience
知识图谱合成数据生成
★ 1.2K+3 本周数据与评测11月8日更新
利用知识图谱驱动合成高质量问答与训练数据,提升大模型监督微调效果,适合需要自建 SFT 数据集的团队。
cvs-health/ uqlmuqlm
Python大模型幻觉检测工具 · cvs-health
大模型幻觉检测工具
★ 1.2K数据与评测11月9日更新
基于不确定性量化的 Python 包,用于检测和评估大模型幻觉,提供多种打分方法,适合做 LLM 评测与安全研究的团队。
Vchitect/ VBenchVBench
Python视频生成评测基准 · Vchitect
视频生成评测基准
★ 1.8K+3 本周数据与评测8月21日更新
用于评估视频生成模型的基准项目,提供评测方案与数据集,适合研究者比较不同模型在生成质量等方面的表现。
ServiceNow/ BrowserGymBrowserGym
Python网页任务自动化 Gym 环境 · ServiceNow
网页任务自动化 Gym 环境
★ 1.4K+4 本周数据与评测11月17日更新
为网页任务自动化提供 Gym 风格评测环境,方便训练和评估 LLM 网页 Agent,适合做 Web Agent 研究的团队。
microsoft/ TimeCraftTimeCraft
Python时间序列生成框架 · microsoft
时间序列生成框架
★ 1.1K+1 本周数据与评测10月28日更新
微软开源的时间序列生成框架,面向真实场景合成时序数据,适合需要数据增强或隐私数据替代的机器学习研究者。
hitsz-ids/ synthetic-data-generatorsynthetic-data-generator
Python结构化合成数据生成框架 · hitsz-ids
结构化合成数据生成框架
★ 2.4K+1 本周数据与评测11月17日更新
专注生成高质量表格型合成数据的框架,结合 GAN 与大模型,兼顾隐私保护,适合需要扩充训练数据的机器学习团队。
monarch-initiative/ ontogptontogpt
Jupyter Notebook本体抽取工具 · monarch-initiative
本体抽取工具
★ 1.1K+8 本周数据与评测9月11日更新
基于大模型的本体与关系抽取工具集,包含 SPIRES,可从文献中抽取结构化知识,适合生物医学知识图谱与数据建模研究者使用。
JudgmentLabs/ judgevaljudgeval
PythonAgent 持续评测平台 · JudgmentLabs
Agent 持续评测平台
★ 1.1K+1 本周数据与评测11月18日更新
面向 Agent 的持续改进栈,用环境数据和评测驱动 Agent 优化与线上监控,适合需要追踪 Agent 效果的工程团队。
asreview/ asreviewasreview
Python系统综述主动学习工具 · asreview
系统综述主动学习工具
★ 1.1K+7 本周数据与评测11月17日更新
用主动学习和语言模型辅助系统性文献综述筛选,帮助研究者更快完成文献筛查,适合学术与循证研究场景。
THU-BPM/ MarkLLMMarkLLM
Python大模型水印工具包 · THU-BPM
大模型水印工具包
★ 1.1K数据与评测9月5日更新
开源的大模型文本水印工具包,提供多种水印算法与统一评测接口,适合研究可信 AI 与内容溯源的研究者和开发者。
allenai/ dolmadolma
Python大模型预训练数据工具 · allenai
大模型预训练数据工具
★ 1.6K+2 本周数据与评测8月25日更新
提供用于生成和检查 OLMo 预训练数据的数据与工具,帮助研究人员及模型开发团队处理、审视大规模语言模型训练语料。
AI4Finance-Foundation/ FinRL-MetaFinRL-Meta
Python金融强化学习数据集 · AI4Finance-Foundation
金融强化学习数据集
★ 2.0K+3 本周数据与评测10月13日更新
为 FinRL 提供动态金融数据集与市场交易环境,支持深度强化学习交易智能体研究,适合量化金融与强化学习研究者。
sdv-dev/ SDVSDV
Python表格合成数据工具 · sdv-dev
表格合成数据工具
★ 3.6K+1 本周数据与评测11月16日更新
面向机器学习与数据工程场景生成表格合成数据,支持关系型、多表和时间序列数据,适合隐私保护、模型训练与测试数据构造。
NVIDIA/ raftraft
CudaRAFT 加速算法库 · NVIDIA
RAFT 加速算法库
★ 1.1K+2 本周数据与评测11月18日更新
NVIDIA 提供的 CUDA 加速机器学习与信息检索基础算法库,涵盖近邻搜索、聚类与线性代数,适合构建高性能检索与 LLM 应用的开发者。
ConardLi/ easy-dataseteasy-dataset
JavaScript大模型数据集制作工具 · ConardLi
大模型数据集制作工具
★ 15K+17 本周数据与评测5月1日更新
用于构建大模型微调、RAG 和评测所需数据集的工具,适合需要准备或整理训练与评估数据的开发者,帮助集中完成数据集制作流程。
zalandoresearch/ fashion-mnistfashion-mnist
PythonFashion-MNIST 数据集 · zalandoresearch
Fashion-MNIST 数据集
★ 13K+8 本周数据与评测2022年6月更新
Zalando 发布的服饰图像数据集,格式与 MNIST 一致,常用于图像分类与生成模型的基准测试,适合机器学习入门与算法对比实验。
alex000kim/ nsfw_data_scrapernsfw_data_scraper
ShellNSFW 图像数据采集脚本 · alex000kim
NSFW 图像数据采集脚本
★ 13K+9 本周数据与评测2024年1月更新
一组用于批量抓取和整理 NSFW 图像数据的脚本,方便训练内容审核分类器。适合做内容安全与图像分类的研究者,按类别组织数据。
mlabonne/ llm-datasetsllm-datasets
LLM 后训练数据集清单 · mlabonne
LLM 后训练数据集清单
★ 4.8K+6 本周数据与评测4月30日更新
整理后训练阶段常用数据集与配套工具的精选清单,涵盖指令微调、偏好对齐等方向,适合想找训练数据的模型开发者参考。
Instruction-Tuning-with-GPT-4/ GPT-4-LLMGPT-4-LLM
HTMLGPT-4 指令微调数据集 · Instruction-Tuning-with-GPT-4
GPT-4 指令微调数据集
★ 4.3K数据与评测2023年6月更新
用 GPT-4 生成指令跟随数据来微调 LLaMA 的开源项目,提供英文与中文指令数据及训练评测脚本,适合研究指令微调与对齐的开发者。
verazuo/ jailbreak_llmsjailbreak_llms
Jupyter Notebook越狱提示词数据集 · verazuo
越狱提示词数据集
★ 3.9K+11 本周数据与评测2024年12月更新
CCS'24 论文配套数据集,收录来自 Reddit、Discord 和开源数据的 15140 条 ChatGPT 提示词,其中含 1405 条越狱提示,适合研究 LLM 安全与越狱防御的学者使用。
THUDM/ AgentBenchAgentBench
Python大模型智能体基准 · THUDM
大模型智能体基准
★ 3.8K+8 本周数据与评测2月9日更新
用于系统评估大语言模型作为智能体的综合基准,覆盖多种交互任务与环境,适合研究人员比较模型的规划、决策和工具使用能力。
Zjh-819/ LLMDataHubLLMDataHub
指令微调数据集导航 · Zjh-819
指令微调数据集导航
★ 3.4K数据与评测2023年11月更新
汇总热门的指令微调数据集,方便研究者和开发者快速查找、挑选适合训练聊天模型的数据资源。
CLUEbenchmark/ SuperCLUESuperCLUE
中文大模型基准 · CLUEbenchmark
中文大模型基准
★ 3.3K+1 本周数据与评测2月6日更新
面向中文基础模型的综合性评测基准,覆盖多维度能力测试,适合研究者与开发者对比各家中文大模型表现。
thunlp/ UltraChatUltraChat
Python多轮对话数据集 · thunlp
多轮对话数据集
★ 2.9K+6 本周数据与评测2024年3月更新
提供规模庞大、信息丰富且类型多样的多轮聊天数据及相关模型,适合大语言模型研究者用于对话训练与实验;项目聚焦于构建和使用聊天数据资源。
Y-Research-SBU/ QuantHarnessQuantHarness
HTML量化研究评测框架 · Y-Research-SBU
量化研究评测框架
★ 2.9K+4 本周数据与评测8月18日更新
面向量化研究场景的 Agentic AI 项目,仓库说明仅标注为 QuantHarness 官方代码,具体功能与使用方式信息有限;适合关注大语言模型在量化研究中应用的研究者进一步查阅。
uptrain-ai/ uptrainuptrain
Python生成式AI评测平台 · uptrain-ai
生成式AI评测平台
★ 2.4K数据与评测2024年8月更新
用于评估和改进生成式 AI 应用的开源平台,提供 20 多项语言、代码和嵌入相关检查,并分析失败原因、给出改进线索,适合构建和维护 LLM 应用的团队。
beir-cellar/ beirbeir
Python信息检索评测基准 · beir-cellar
信息检索评测基准
★ 2.3K+1 本周数据与评测2025年10月更新
提供覆盖多种检索任务与数据集的异构信息检索基准,便于研究者和开发者使用统一流程评估、比较信息检索模型的效果。
refuel-ai/ autolabelautolabel
Python大模型文本标注工具 · refuel-ai
大模型文本标注工具
★ 2.3K数据与评测2025年3月更新
使用大语言模型为文本数据集执行标注、清洗和信息丰富,适合需要构建或整理机器学习训练数据的团队,并支持接入多种模型与数据处理流程。
tatsu-lab/ alpaca_evalalpaca_eval
Jupyter Notebook指令模型评测工具 · tatsu-lab
指令模型评测工具
★ 2.0K+2 本周数据与评测2025年8月更新
用于自动评估语言模型遵循指令的表现,强调评估结果经过人工验证,并兼顾质量、成本与速度,适合研究者比较模型并构建评测榜单。
evalplus/ evalplusevalplus
Python代码生成评测基准 · evalplus
代码生成评测基准
★ 1.8K+1 本周数据与评测2025年10月更新
用于严谨评估大语言模型生成代码的基准与工具,面向研究人员和模型开发者,可衡量程序合成能力并检验代码正确性。
meta-llama/ synthetic-data-kitsynthetic-data-kit
Python合成数据生成工具 · meta-llama
合成数据生成工具
★ 1.7K+4 本周数据与评测2025年10月更新
Meta 开源的合成数据集生成工具,用大模型批量产出高质量训练与评测数据,适合需要构造领域数据做微调或评测的开发者。
cyberark/ FuzzyAIFuzzyAI
Jupyter NotebookLLM 越狱模糊测试 · cyberark
LLM 越狱模糊测试
★ 1.6K+5 本周数据与评测2月7日更新
自动化对大模型 API 做模糊测试的安全工具,帮助开发者和红队研究者发现并缓解越狱风险,内置评测流程与用例生成。
Farama-Foundation/ ChatArenaChatArena
Python多智能体语言博弈环境 · Farama-Foundation
多智能体语言博弈环境
★ 1.6K+1 本周数据与评测2025年8月更新
为大语言模型提供多智能体语言游戏与仿真环境,用于研究和训练 AI 的沟通、协作能力。适合多智能体研究者评估交互策略与协作表现。
Hello-SimpleAI/ chatgpt-comparison-detectionchatgpt-comparison-detection
Python人机文本检测数据集 · Hello-SimpleAI
人机文本检测数据集
★ 1.5K+3 本周数据与评测2023年12月更新
提供人类与 ChatGPT 对比语料 HC3 及配套检测器,适合研究 LLM 生成文本识别与文本分类的开发者、研究者使用。
OpenGenerativeAI/ llm-colosseumllm-colosseum
Jupyter Notebook街霸对战模型评测 · OpenGenerativeAI
街霸对战模型评测
★ 1.5K+3 本周数据与评测2025年3月更新
让大模型在《街霸 3》中对战来评测其能力的新颖基准,通过游戏表现衡量模型决策水平,适合关注 LLM 评测方法与趣味基准的研究者。
LilMGenius/ paperthinpaperthin
JavaScriptLilMGenius
The skillbook for recursive self-improvement (RSI). NVIDIA's latest proof, unpacked with timeless engineering. Distilled from the OpenAI harness engineering hackathon winner's zero-touch method.
★ 1.5K数据与评测11月15日更新
The skillbook for recursive self-improvement (RSI). NVIDIA's latest proof, unpacked with timeless engineering. Distilled from the OpenAI harness engineering hackathon winner's zero-touch method.
poloclub/ diffusiondbdiffusiondb
Python文生图提示词数据集 · poloclub
文生图提示词数据集
★ 1.4K数据与评测2024年7月更新
基于 Stable Diffusion 构建的大规模文生图提示词画廊数据集,适合图像生成研究者、模型开发者和提示词创作者,用于浏览与研究文本提示和生成图像的关联。
pinchbench/ skillskill
Python编程智能体评测工具 · pinchbench
编程智能体评测工具
★ 1.4K+5 本周附带 1 个 Skill数据与评测7月2日更新
适合资料研究、事实整理和结构化报告写作,可将结果保存为 JSON,便于后续查询与汇总。
OpenDriveLab/ DriveLMDriveLM
HTMLDriveLM 自动驾驶问答 · OpenDriveLab
DriveLM 自动驾驶问答
★ 1.4K+1 本周数据与评测2025年7月更新
ECCV 2024 Oral 论文配套项目,用图视觉问答和思维链方法让大模型理解并推理自动驾驶场景,适合自动驾驶与多模态研究者。
TIGER-AI-Lab/ OpenResearcherOpenResearcher
Python深度研究轨迹合成 · TIGER-AI-Lab
深度研究轨迹合成
★ 1.3K+1 本周数据与评测6月11日更新
一套完全开放的长程深度研究轨迹合成流水线,用于生成检索增强的研究数据,适合训练和评测研究型 Agent 的团队。
THUDM/ LongBenchLongBench
Python长文本评测基准 · THUDM
长文本评测基准
★ 1.3K+1 本周数据与评测2025年1月更新
清华团队维护的长上下文评测基准 LongBench 与 LongBench v2,提供多任务数据集与评测脚本,适合评估大模型长文本理解能力。
thu-coai/ Safety-PromptsSafety-Prompts
中文大模型安全提示词 · thu-coai
中文大模型安全提示词
★ 1.2K数据与评测2024年2月更新
提供中文安全提示词与攻击防御样本,用于评估和提升大模型安全性,适合安全研究与红队评测人员使用。
prometheus-eval/ prometheus-evalprometheus-eval
Python大模型评测工具 · prometheus-eval
大模型评测工具
★ 1.1K+2 本周数据与评测2025年4月更新
使用 Prometheus 和 GPT-4 等模型评判大模型回答质量,可集成到 Python 与 LLMOps 流程中。适合需要自动化评估生成结果的模型开发和应用团队。
rogue-security/ roguerogue
PythonAI Agent 评测红队平台 · rogue-security
AI Agent 评测红队平台
★ 1.1K+2 本周数据与评测8月4日更新
面向 AI Agent 的评测与红队测试平台,支持端到端测试和持续监控,适合需要验证 Agent 安全性与可靠性的开发与安全团队。
ethz-spylab/ agentdojoagentdojo
PythonLLM Agent 安全评测环境 · ethz-spylab
LLM Agent 安全评测环境
★ 1.1K+33 本周数据与评测6月2日更新
面向 LLM Agent 的动态评测环境,用于测试提示注入等攻击手段与防御效果,适合安全研究人员和红队评估 Agent 的鲁棒性。
找不到你要的项目或 Skill?
告诉我们仓库地址和用途,帮助补充你希望收录的项目。
请求收录
接着逛逛 RZH.AI
模型和排行榜也按同样的方式整理好了,每个数字都能看到出处。