web-bench 的项目扩展与二次开发
2025-05-29 20:37:27作者:牧宁李
项目的基础介绍
Web-Bench 是一个用于评估大型语言模型(LLM)在实际 Web 开发中性能的基准测试工具。它包含了 50 个项目,每个项目由 20 个具有顺序依赖性的任务组成,这些任务依次实现项目的特性,模拟真实世界的开发工作流程。Web-Bench 旨在覆盖 Web 开发的基石:Web 标准和 Web 框架。
项目的核心功能
Web-Bench 的核心功能是通过一系列的编程任务来测试和评估 LLM 在 Web 开发中的表现。这些任务由经验丰富的工程师设计,每个项目都具有一定的挑战性,平均完成一个项目需要高级工程师 4-8 小时的时间。当前最先进的 LLM(如 Claude 3.7 Sonnet)在 Web-Agent 上的 Pass@1 只有 25.1%,显示了当前代码生成能力的局限性。
项目使用了哪些框架或库?
Web-Bench 项目主要使用了以下框架和库:
- Node.js:项目基于 Node.js 环境。
- pnpm:作为包管理工具。
- @microsoft/rush:用于管理和构建项目。
- playwright:用于自动化浏览器测试。
项目的代码目录及介绍
项目的代码目录结构如下:
Web-Bench/
├── apps/
├── eval/
├── common/
├── docs/
│ ├── assets/
├── libraries/
├── projects/
│ ├── angular/
│ ├── ...
├── scripts/
├── tools/
├── .dockerignore
├── .gitattributes
├── .gitignore
├── .prettierrc.json
├── LICENSE.md
├── README.md
├── README.zh_CN.md
├── pnpm-lock.yaml
├── rush.json
└── start.dockerfile
apps/
:可能包含一些示例应用程序或相关脚本。eval/
:包含评估工具和脚本。common/
:存放通用库和工具。docs/
:包含项目文档和相关资源。libraries/
:可能包含项目使用的第三方库。projects/
:包含 50 个子项目,每个项目包含多个任务。scripts/
:可能包含一些辅助脚本。tools/
:包含项目开发中使用的工具。
对项目进行扩展或者二次开发的方向
- 增强评估工具:可以开发更加精细化的评估工具,以更全面地测试 LLM 的性能。
- 增加项目案例:可以根据实际需求增加更多的项目案例,以覆盖更多的 Web 开发场景。
- 扩展任务类型:在任务中引入更多样化的编程任务,以测试 LLM 在不同类型任务中的表现。
- 集成其他框架:可以尝试将其他流行的 Web 框架集成到项目中,以增加测试的广度和深度。
- 社区协作:鼓励社区贡献者参与项目,共同改进和扩展 Web-Bench 的功能和案例。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0372ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0104AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
207
2.2 K

暂无简介
Dart
519
115

Ascend Extension for PyTorch
Python
62
94

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
550
86

React Native鸿蒙化仓库
C++
209
285

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
977
577

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
193