跨栏目检索

搜索归档

搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。

评测与安全

最近成功采集
更多筛选 标签、来源与日期
重置筛选
2 条结果 / 第 1 页
每日归档
27 条34 条40 条34 条47 条25 条28 条43 条51 条51 条39 条33 条28 条20 条更早内容可通过日期筛选或翻页查找。
当前筛选：2026-10-22 ×
评测与安全

AusLawExam-Bench：面向大语言模型的澳大利亚法律推理可复现评测基准

Danielkgr/auslawexam-bench · A public, reproducible benchmark of Australian legal reasoning for LLMs

AusLawExam-Bench 是一个面向大语言模型的澳大利亚法律推理评测原型。它用统一的版本化提示词向 GPT、Claude、Gemini、Groq、DeepSeek、Mistral、Qwen 及本地开放权重模型等八个模型槽位提出考试式法律问题，抽取答案中的引证并与已知判例、法条语料比对，将引证分为切题、其他真实引证、无法确认三类，再按评分细则打分，并输出自助法置信区间与置换检验，生成静态排行榜。项目支持在无 API 密钥时用确定性模拟离线运行全流程，强调可复现与可审计，但现仅有 16 道未经澳大利亚执业律师审核的暂定题目，已报告结果仅覆盖部分模型槽位，题目数量扩充中，不提供法律意见。

展开详情收起详情：AusLawExam-Bench：面向大语言模型的澳大利亚法律推理可复现评测基准
# 幻觉检测# 评测基准# LLM 评估# 引证分析# 法律 AI

★ 0 · 开发框架

GitHub
原文发布：未知收录：2026-10-22
☆ 收藏0 条评论查看项目
评论 · 分享第一个看法
评测与安全

VegaLoad：面向多协议的轻量级负载测试工具

vegaload/vegaload

VegaLoad 是一个用 Go 编写的开源负载测试工具，提供单个静态二进制文件和可脚本化的核心引擎，支持 HTTP/1.1、HTTP/2、gRPC、WebSocket、MQTT、Kafka、PostgreSQL、MySQL/MariaDB 以及原始 TCP/UDP 等协议驱动，并生成自包含的 HTML/JSON 报告，无需服务器、账户或遥测。它还支持 MCP 服务注册，使具备 MCP 能力的智能体可通过 CLI 运行测试、读取结果并解释失败；同时提供阈值、检查、基线门禁、JUnit 输出和 CI 摘要等功能。

展开详情收起详情：VegaLoad：面向多协议的轻量级负载测试工具
# MCP# 负载测试# CI 门禁# CLI 工具# 多协议

★ 9 · 可直接使用的工具

GitHub
原文发布：未知收录：2026-10-22
☆ 收藏0 条评论查看项目
评论 · 分享第一个看法