Git Stars Git Stars

#machine-learning-evaluation Repositories

Entdecke 10 aktive Open-Source-GitHub-Repositories, die mit #machine-learning-evaluation getaggt sind und insgesamt 11,993 Sterne gesammelt haben (durchschnittlich 1,199 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist stanford-crfm/helm mit 2,975 Sternen.

10
Gesamtzahl der Repositories
11,993
Gesamtanzahl der Sterne
1,199
Durchschnittliche Sterne/Repo
Programmiersprachen: Python Jupyter Notebook

Insgesamt 10 Repositories

1
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) ist ein Open-Source-Python-Framework, das vom Center for Research on Foundation Models (CRFM) an der Stanford University für die ganzheitliche, reproduzierbare und transparente Evaluierung von Foundation Models, einschließlich großer Sprachmodelle (LLMs) und multimodaler Modelle, entwickelt wurde.

stanford-crfm
⭐ 2,975 Python 👤 stanford-crfm Organization 🕐 Aktualisiert 2026-09-01 📅 Erstellt 2021-11-29
2
numenta/NAB

Der Numenta Anomaly Benchmark

numenta
⭐ 2,062 Jupyter Notebook 👤 numenta Organization 🕐 Aktualisiert 2024-12-03 📅 Erstellt 2014-05-06
3
tensorflow/model-analysis

Modell-Analyse-Tools für TensorFlow

tensorflow
⭐ 1,271 Python 👤 tensorflow Organization 🕐 Aktualisiert 2026-08-14 📅 Erstellt 2018-03-23
4
bigcode-project/bigcode-evaluation-harness

Ein Framework zur Bewertung von autoregressiven Code-Generierungs-Sprachmodellen.

bigcode-project
⭐ 1,054 Python 👤 bigcode-project Organization 🕐 Aktualisiert 2025-07-22 📅 Erstellt 2022-08-09
5
NannyML/The-Little-Book-of-ML-Metrics

Das Buch, das jeder Datenwissenschaftler auf seinem Schreibtisch braucht.

NannyML
⭐ 1,014 Jupyter Notebook 👤 NannyML Organization 🕐 Aktualisiert 2026-10-17 📅 Erstellt 2024-07-23
6
tensorflow/gan

Werkzeuge für GANs in TensorFlow

tensorflow
⭐ 966 Jupyter Notebook 👤 tensorflow Organization 🕐 Aktualisiert 2025-01-16 📅 Erstellt 2019-04-29
7
stanford-futuredata/ARES

Automatisierte Bewertung von RAG-Systemen

stanford-futuredata
⭐ 711 Python 👤 stanford-futuredata Organization 🕐 Aktualisiert 2025-03-28 📅 Erstellt 2023-09-27
8
syncora-ai/syncora-benchmarks

Ein leichtgewichtiges, Plug-and-Play-Benchmark-Kit für synthetische Daten. Vergleichen Sie Syncora mit anderen Generatoren (z. B. Gretel, MostlyAI), indem Sie CSVs einfügen und dann Fidelity- und Ähnlichkeitsmetriken automatisch berechnen. Funktioniert mit jedem Datensatz über einfache Dateibenennung, keine aufwändige Einrichtung erforderlich.

syncora-ai
⭐ 678 Jupyter Notebook 👤 syncora-ai User 🕐 Aktualisiert 2025-08-11 📅 Erstellt 2025-07-31
9
HazyResearch/legalbench

Eine Open-Science-Initiative zur Bewertung der juristischen Schlussfolgerung in Basismodellen

HazyResearch
⭐ 663 Python 👤 HazyResearch Organization 🕐 Aktualisiert 2026-03-30 📅 Erstellt 2022-08-19
10
CSHaitao/Awesome-LLMs-as-Judges

Das offizielle Repo für die Arbeit, LLMs-as-Judges: Eine umfassende Umfrage zu LLM-basierten Bewertungsmethoden.

CSHaitao
⭐ 600 👤 CSHaitao User 🕐 Aktualisiert 2025-07-29 📅 Erstellt 2024-11-10

Häufig gestellte Fragen

1

Welches ist das beliebteste #machine-learning-evaluation-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#machine-learning-evaluation-Projekt auf GitHub ist stanford-crfm/helm mit 2,975 Sternen. Holistic Evaluation of Language Models (HELM) ist ein Open-Source-Python-Framework, das vom Center for Research on Foundation Models (CRFM) an der Stanford University für die ganzheitliche, reproduzierbare und transparente Evaluierung von Foundation Models, einschließlich großer Sprachmodelle (LLMs) und multimodaler Modelle, entwickelt wurde.

2

Welche Programmiersprachen werden in #machine-learning-evaluation-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #machine-learning-evaluation-Projekten auf GitHub sind Python, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #machine-learning-evaluation-Repositories berechnet?

Wir verfolgen 10 aktive Open-Source-Repositories, die mit #machine-learning-evaluation getaggt sind (500+ Sterne), mit insgesamt 11,993 Sternen und durchschnittlich 1,199 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.