Havuz
Takip ettiğimiz konularda yükselen açık kaynak projeler — yıldız ivmesi, gerçek geliştirme aktivitesi ve AI değerlendirmesiyle.
Yalnız hareketli, son 28 günde commit almamış repoları gizler (yıldızı olan ama bırakılmış projeler). Commit sayısı henüz ölçülmemiş repolar da gizlenir.
EtiketTüm GitHub etiketleri — repo sahiplerinin koyduğu topic'lergöster
Etiketler yükleniyor…
- 1
Open-source benchmark for browser AI agents on daily tasks.
5,7/gün ort. +4 son gün +7,7 son 7g 17 commit 2 yazar Python 10 Nis 2026 güncellendi dün - 2
Track 42,331+ AI benchmark, eval, dataset, and data-quality records from 40 public sources, with linked evidence and daily updates.
3,3/gün ort. +21 son gün +4,1 son 7g 559 commit 4 yazar Python 27 Tem 2026 güncellendi bugün - 3
Self-evolving agentic reward framework for image-editing evaluation — 47.4% on EditReward-Bench from only 100 preference demos, no reward-mo
0,6/gün ort. +2 son gün +1,1 son 7g — commit Python 14 May 2026 güncellendi 9 gün önce - 4
ParseBench - A Document Parsing Benchmark for AI Agents
3/gün ort. +0 son gün +1 son 7g 86 commit 9 yazar Python 10 Nis 2026 güncellendi dün - 5
The Fable Method, coding agent’lar için görevleri sınıflandırma, kanıt toplama, değişiklik yapma ve sonucu doğrulama adımlarını tanımlayan skills ve bunları sınayan eval’ler sunuyor.
Neden yükseliyor · 83 günde 2294 yıldız almış olması dikkat çekici. README’de belirli senaryolara ait sonuçlar, başarısızlıklar ve ham çıktılara bağlantılar sunulması ilgi görmesini açıklayabilir; ancak yükselişin kesin nedeni bilinmiyor. Son 28 günde commit ve farklı yazar etkinliği yok.
19/gün ort. +1 son gün +0,9 son 7g 0 commit 0 yazar Python 06 Tem 2026 güncellendi 03 Eki 2026 - 6
Run your real agent with and without your skills, MCPs, and rules. See which ones actually help, and what they cost in tokens. Supports Clau
1,3/gün ort. +0 son gün +0,9 son 7g 71 commit 1 yazar Python 13 May 2026 güncellendi dün - 7
LoopArena, uzun süreli yazılım görevlerinde bir coding agent’ı yönlendiren modelleri ortak koşullarda karşılaştırmak için benchmark ve çalıştırma altyapısı sunuyor.
Neden yükseliyor · Coding agents’ın uzun süreli iş akışlarında nasıl yönlendirileceği güncel bir araştırma konusu; LoopArena bu konuya açık protokol, benchmark sonuçları ve bir arXiv paper ile dikkat çekiyor. Ancak 146 yıldız, 28 günlük repo yaşı ve son 28 günde tek farklı yazar, ilginin henüz yaygın benimsemeye dönüştüğünü göstermiyor.
2,3/gün ort. +0 son gün +0,1 son 7g 1 commit 1 yazar Python 31 Ağu 2026 güncellendi 21 gün önce - 8
EvoTrace, Claude Code ve Codex oturumlarını inceleyip eğitim, değerlendirme ve doğrulama için yeniden kullanılabilir varlıklara dönüştürür.
Neden yükseliyor · 39 günde 292 yıldız, coding agent oturumlarından eğitim ve değerlendirme varlığı üretme fikrine ilgi olduğunu gösteriyor; ancak bu ilginin nedeni ölçümlerden anlaşılamıyor. Son 28 günde commit ve farklı yazar olmaması, ilginin devam eden geliştirme veya benimsemeyle desteklendiğine dair kanıt sunmuyor.
3,6/gün ort. +0 son gün +0,1 son 7g 0 commit 0 yazar Python 19 Ağu 2026 güncellendi 4 gün önce - 9
Harness-oriented agent system framework for production-grade LLM agent applications
3,6/gün ort. +0 son gün +0,1 son 7g 0 commit 0 yazar TypeScript 01 Tem 2026 güncellendi 04 Eyl 2026 - 10
GAN-style self-improvement loop for any text artifact: mutate, grade with a SEPARATE model, keep only verified wins (pairwise-judged), rever
0,9/gün ort. +1 son gün +0,1 son 7g 0 commit 0 yazar Python 01 Haz 2026 güncellendi 03 Ağu 2026 - 11
Alignment-research scaffold (autoresearch-style) for LLM guardrails: search over a single policy.md surface
0,9/gün ort. +0 son gün +0 son 7g 0 commit 0 yazar Python 15 Haz 2026 güncellendi 01 Eki 2026 - 12
The marketplace for verifiable AI outcomes: state a task, get a fixed price upfront, and Primitive Bench routes across tools to complete it,
0,9/gün ort. +0 son gün +0 son 7g — commit Python 17 Haz 2026 güncellendi 03 Eyl 2026