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
iFixAi, AI agent’ları yapılandırılabilir testler ve model judge’larıyla denetleyip puan kartı ve raporlar üreten bir Python aracıdır.
Neden yükseliyor · 153 günlük bir depoda 15.702 yıldız ve son 28 günde 9 commit ile 5 farklı yazar görünmesi güçlü ilgiye ve devam eden katkıya işaret ediyor. README’de birden fazla kullanım yolu ve agent ekosistemi entegrasyonları öne çıkarılıyor; ancak yıldızlar ürün kalitesini veya değerlendirmelerin doğruluğunu kanıtlamaz.
225,2/gün ort. +870 son gün 209 commit 13 yazar Python 27 Nis 2026 güncellendi 4 gün önce - 2
Trace-native CI/CD for AI agents: grade production traces, cluster failures, freeze them into replayable regression tests, and block PRs tha
55,1/gün ort. +1 son gün 24 commit 1 yazar Python 11 Eki 2026 güncellendi dün - 3
A clinical decision-evidence benchmark: pull the one fact an answer rests on, and see whether the assistant's action moves with the evidence
19,3/gün ort. +22 son gün 19 commit 1 yazar Python 07 Eyl 2026 güncellendi 14 gün önce - 4
A lightweight Python SDK and CLI for evaluating recursive self-improvement (RSI) methods across agent benchmarks.
14,4/gün ort. +21 son gün 4 commit 1 yazar Python 12 Eki 2026 güncellendi 4 gün önce - 5
Future AGI, LLM ve AI agent uygulamalarını değerlendirme, izleme, simüle etme ve koruma işlerini self-host edilebilen tek bir platformda birleştiriyor.
Neden yükseliyor · Konu, agent uygulamalarında evaluation ve observability ihtiyacının artmasıyla örtüşüyor; 157 günlük repo yaşına karşılık 2.081 yıldız ve son 28 günde 597 commit geliştirme temposuna işaret ediyor. Farklı yazar sayısı 6; bu veriler ilginin nedenini tek başına kanıtlamaz ve yıldızlar benimseme ya da kalite ölçüsü değildir.
11,6/gün ort. +3 son gün 1.034 commit 8 yazar Python 23 Nis 2026 güncellendi dün - 6
agy-staff, Claude Code, OpenAI Codex ve Pi kullanıcılarının Google Antigravity CLI üzerinden Gemini tabanlı bir agent’ı farklı görevler için çağırmasını sağlayan bir plugin’dir.
Neden yükseliyor · Farklı coding-agent harness’leri üzerinden agy’ye görev devretme fikri dikkat çekici; 40 günlük yaşına karşılık 652 yıldız ve son 28 günde 14 commit ile 3 farklı yazar görünür bir ilgi ve geliştirme faaliyetine işaret ediyor. Bu veriler kullanım veya kalite kanıtı değildir.
10,6/gün ort. +2 son gün 8 commit 1 yazar JavaScript 18 Ağu 2026 güncellendi dün - 7
Creating realistic RL environments requires collaboration between researchers, engineers, and domain experts across many dimensions: artifac
10,3/gün ort. +3 son gün 421 commit 8 yazar Python 24 Eyl 2026 güncellendi dün - 8
SkillCorpus, dağınık SKILL.md dosyalarını agent'lar için seçilmiş, aranabilir skill corpus'larına dönüştüren ve retrieval ile evaluation araçları sunan açık kaynak bir altyapıdır.
Neden yükseliyor · Agent'lar için paylaşılan ve göreve göre seçilen skill katmanına ilgi var; repo kısa sürede 667 yıldıza ulaşmış ve son 28 günde 9 commit ile 3 farklı yazar katkı vermiş. README ayrıca birden fazla benchmark'ta iyileşme bildiriyor; bu sonuçları bağımsız olarak doğrulayamıyorum.
8,4/gün ort. +0 son gün 3 commit 3 yazar Python 11 Ağu 2026 güncellendi 5 gün önce - 9
DecisionPivot: a diagnostic benchmark for decision models in LLM systems. Contrast pairs that differ in one decisive detail, generators with
8/gün ort. +0 son gün 2 commit 1 yazar Python 14 Eki 2026 güncellendi 13 gün önce - 10
Live trading arena for LLM agents: public reasoning, real market data, virtual capital
6,5/gün ort. +0 son gün 61 commit 2 yazar JavaScript 23 Eki 2026 güncellendi dün - 11
Open-source benchmark for browser AI agents on daily tasks.
5,7/gün ort. +5 son gün 20 commit 2 yazar Python 10 Nis 2026 güncellendi 11 gün önce - 12
Self-hosted decision model (selfjev-4b) with a Jev-compatible API: Python SDK, server, fine-tuning and RLCD.
5/gün ort. +0 son gün 6 commit 1 yazar Python 21 Eki 2026 güncellendi 12 gün önce - 13
SelfStarter, bir coding agent’a görev brief’i verip işi insan yönlendirmesi olmadan birden çok oturum boyunca yürütmesi için tasarlanmış erken aşama bir harness’tir.
Neden yükseliyor · 58 günlük bir repoda 387 yıldız, uzun süre kendi işini yürüten agent’lara yönelik ilgiyle uyumlu. README’deki Agent City örneği de fikri somutlaştırıyor. Ancak son 28 gündeki 1 commit ve 1 farklı yazar, güncel geliştirme temposu veya geniş katkı tabanı için güçlü kanıt sunmuyor.
4,3/gün ort. +1 son gün 145 commit 2 yazar TypeScript 31 Tem 2026 güncellendi 16 gün önce - 14
HAEnv — synthetic longitudinal patients with code-derived gold, for evaluating health agents over time
4/gün ort. +9 son gün 26 commit 1 yazar Python 24 Eyl 2026 güncellendi 2 gün önce - 15
Track 42,331+ AI benchmark, eval, dataset, and data-quality records from 40 public sources, with linked evidence and daily updates.
3,2/gün ort. +0 son gün 512 commit 5 yazar Python 27 Tem 2026 güncellendi dün - 16
Evolutionary multi-agent runtime that breeds, evaluates, and improves autonomous agents across reproducible epochs to converge on optimizati
2,9/gün ort. +0 son gün 2 commit 1 yazar Python 08 Ağu 2026 güncellendi 10 gün önce - 17
EvalForge, AI evaluation sonuçlarını baseline karşılaştırmaları ve CI quality gate’leriyle değerlendirip standart rapor formatlarında yayımlar.
Neden yükseliyor · RAG evaluation sonuçlarını CI’da denetlenebilir kanıta ve release gate’lerine bağlama ihtiyacına odaklanıyor; repo 34 günde 211 yıldız almış. Ancak README bağımsız doğrulanmış downstream benimsemenin henüz bulunmadığını belirtiyor ve son 28 günde katkı tek yazardan gelmiş; ilginin gerçek kullanımın kanıtı olduğu söylenemez.
2,8/gün ort. +0 son gün 6 commit 2 yazar Python 24 Ağu 2026 güncellendi 7 gün önce - 18
Bug Hunt Bench: 105 real bugs in two production repos, frontier coding models (GPT-6, Claude, Grok, Gemini, DeepSeek...) find and fix them i
2,7/gün ort. +1 son gün 50 commit 1 yazar JavaScript 25 Ağu 2026 güncellendi 7 gün önce - 19
jevals, agent trace'lerini eval ve guardrail kontrollerinden tek istekte geçirerek production veya agent loop içinde değerlendirmeyi amaçlayan bir Python kütüphanesidir.
Neden yükseliyor · 7 günlük bir repoda 97 yıldız, 5 commit ve 4 farklı yazar erken ilgi ve katkı işareti. Tek istekte birden fazla kontrol, düşük maliyet ve agent loop'a uygun hız iddiaları dikkat çekiyor; performans ve maliyet rakamları README'de verilmiş, bağımsız doğrulama olarak kabul edilmemeli.
2,6/gün ort. +0 son gün 5 commit 3 yazar Python 20 Eyl 2026 güncellendi 19 gün önce - 20
A reproducible local LLM benchmarking platform with versioned datasets, deterministic scoring, and auditable reports.
2,3/gün ort. +0 son gün 24 commit 2 yazar TypeScript 17 Ağu 2026 güncellendi 6 gün önce - 21
Turn your Win, Mac or DGX Spark into an AI hotspot. Nightshift races hundreds of attempts overnight and keeps what passes. Plus the open con
2,3/gün ort. +0 son gün 6 commit 1 yazar TypeScript 13 Tem 2026 güncellendi 15 gün önce - 22
Deletion-first Agent Skill for removing test bloat, verification theater, and speculative fallbacks while preserving behavior.
2/gün ort. +0 son gün 2 commit 1 yazar Python 24 Ağu 2026 güncellendi 28 gün önce - 23
Mini Program Engineering Skill Suite is an Agent Skill suite for evidence‑first mini‑program development. It helps agents bring WeChat or ot
1,2/gün ort. +2 son gün 67 commit 2 yazar Python 13 Ağu 2026 güncellendi 5 gün önce