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
Official Code for the paper "Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents "
4,8/gün ort. +0 son gün 3 commit 1 yazar Python 11 Eki 2026 güncellendi 9 gün önce - 2
HarnessEval-W: Agentifying the Evaluation of Visual Worlds
3,9/gün ort. +0 son gün 0 commit 0 yazar Python 17 Ağu 2026 güncellendi 07 Eyl 2026 - 3
A benchmark for evaluating LLM × harness performance.
0,7/gün ort. +0 son gün — commit Python 15 May 2026 güncellendi 03 Ağu 2026 - 4
Evaluating frontier models on real-world ai-infra engineering tasks
0,7/gün ort. +0 son gün — commit Python 08 Ağu 2026 güncellendi 3 gün önce - 5
One-shot LLM eval cases by NAGI STUDIO - same prompt, different agents (model + harness), runnable artifacts side by side.
0,5/gün ort. +0 son gün — commit HTML 09 Haz 2026 güncellendi dün - 6
PTCG-Bench: Can LLM Agents Master Pokémon Trading Card Game? (EMNLP 2026 Findings)
0,1/gün ort. +0 son gün — commit Python 28 May 2026 güncellendi 17 Ağu 2026