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
SWE-sweep, agent'ların büyük kod tabanlarındaki konumu ve türü önceden belirtilmeyen birden fazla bug'ı bulup düzeltebilmesini ölçen bir benchmark'tır.
Neden yükseliyor · 1 günlük, 33 yıldızlı yeni bir Facebook Research benchmark'ı olması ve LLM agent değerlendirmesine yönelik güncel bir soruyu ele alması dikkat çekebilir. Ancak yükselişin kesin nedeni bilinmiyor; son 28 günlük commit ve farklı yazar verisi ölçülmemiş.
6,8/gün ort. +3 son gün +2,9 son 7g 0 commit 0 yazar Python 01 Eki 2026 güncellendi 2 gün önce - 2
Turn any repository into verifiable RL environments for coding agents - Harbor tasks you can train on, evaluate and share on the Hugging Fac
4,2/gün ort. +1 son gün +2,7 son 7g 29 commit 8 yazar Python 05 May 2026 güncellendi 5 gün önce - 3
🧪💥 Evaluation framework based on Vitest, the testing framework you familiar with, for agents, models, and more.
0,4/gün ort. +0 son gün +0,9 son 7g — commit TypeScript 15 Nis 2026 güncellendi 13 gün önce - 4
Per-step LLM routing benchmark with 970 static labels, live SWE-bench evaluation, an open data pipeline, and a public leaderboard.
0,2/gün ort. +1 son gün +0,4 son 7g — commit Python 30 Nis 2026 güncellendi 6 gün önce - 5
Playwright for coding agents. Test that your skills, MCP servers, and CLIs actually work when an agent uses them — sandboxed YAML suites, A/
1,3/gün ort. +0 son gün +0,3 son 7g 25 commit 11 yazar Python 09 Tem 2026 güncellendi dün - 6
RHO: Evolving Agents in the Dark — Retrospective Harness Optimization via Self-Preference. Improving LLM agents from unlabeled past trajecto
0,5/gün ort. +0 son gün +0,1 son 7g — commit Python 07 Haz 2026 güncellendi 4 gün önce - 7
Strands-based agents and harnesses for agentic benchmarks.
0,4/gün ort. +0 son gün +0,1 son 7g — commit Python 04 Haz 2026 güncellendi 22 Eyl 2026 - 8
Verifiable AI coding agent harness / 可验证的 AI 编码代理：evidence hash-chain · hollow-answer gate · manual verification checklist · 6 engines + MCP
0,4/gün ort. +0 son gün +0,1 son 7g — commit Python 03 Haz 2026 güncellendi dün - 9
Benchmark coding agents and models on your own repository with private Harbor-formatted evals built from its merged pull requests.
0,3/gün ort. +0 son gün +0,1 son 7g — commit TypeScript 12 Tem 2026 güncellendi dün - 10
The official Kotlin benchmark by JetBrains
0,4/gün ort. +0 son gün +0 son 7g — commit Python 29 Haz 2026 güncellendi 02 Eyl 2026 - 11
Fable-style spec + evidence gate for Claude Code + Codex. Makes Opus/Codex work under Fable-like discipline: blocks every edit until a deter
0,3/gün ort. +0 son gün +0 son 7g — commit Python 13 Haz 2026 güncellendi 30 Haz 2026 - 12
Compact AI agent runtime control plane with governed tools, HITL approval, resumable execution, trace-driven evaluation, and SWE-bench-shape
0,2/gün ort. +0 son gün +0 son 7g — commit Python 29 Nis 2026 güncellendi 26 Ağu 2026 - 13
Coding Agent Runtime & Evaluation Harness for controlled repository-level software repair
0,4/gün ort. +0 son gün +0 son 7g — commit TypeScript 06 Ağu 2026 güncellendi 12 Eyl 2026 - 14
Simple Long Horizon Agent - A simple yet effective AI agent for learning, experimentation, and long horizon work.
0,2/gün ort. +0 son gün +0 son 7g — commit Python 10 May 2026 güncellendi 03 Ağu 2026 - 15
Prove an AI-written fix actually fixes the bug. mini-ork certify reproduces the bug against your repo's own code, attacks the patch with gen
0,2/gün ort. +0 son gün +0 son 7g — commit Python 01 Haz 2026 güncellendi dün - 16
SWE-bench for your codebase — mine your merged PRs into local, contamination-free coding-agent benchmarks. Adapters: claude-code, aider (Opu
0,1/gün ort. +0 son gün +0 son 7g — commit Python 29 Nis 2026 güncellendi 30 Nis 2026 - 17
Runtime safety net for LLM agents. Detects token spirals, kills doomed tasks early, tells you exactly why. Rust core, Python SDK. pip instal
0,1/gün ort. +0 son gün +0 son 7g — commit Python 25 May 2026 güncellendi 15 Ağu 2026 - 18
Microsoft Build AI 2026 National 1st Place. Local codebase memory for AI coding agents: 63.8% Coverage@5, 75.2% Coverage@10, 60-65x lower co
0,1/gün ort. +0 son gün +0 son 7g — commit Python 23 May 2026 güncellendi 10 Ağu 2026 - 19
Coding agent harness, achieved SWE Bench Lite resolve rate of 52.4%
0,1/gün ort. +0 son gün +0 son 7g — commit Python 04 Haz 2026 güncellendi 18 Tem 2026 - 20
Measures how much code AI coding agents add, from patches benchmarks already publish
0,3/gün ort. +0 son gün +0 son 3g — commit Python 21 Eyl 2026 güncellendi dün - 21
Practice real coding work in the AI agent era: task challenges and AI PR review drills.
0,1/gün ort. — commit TypeScript 25 Haz 2026 güncellendi 10 Tem 2026