Git Stars Git Stars

#evaluation-framework Repositorios

Descubre 13 repositorios activos de código abierto de GitHub etiquetados con #evaluation-framework, que acumulan 100,331 estrellas en total (una media de 7,717 estrellas por proyecto). El líder de este tema es promptfoo/promptfoo, con 27,516 estrellas.

13
Total de Repositorios
100,331
Total de estrellas
7,717
Promedio de Estrellas/Repo
Lenguajes de programación: Python TypeScript Jupyter Notebook

13 repositorios en total

1
promptfoo/promptfoo

Prueba tus prompts, agentes y RAGs. Red teaming/pentesting/escaneo de vulnerabilidades para IA. Compara el rendimiento de GPT, Claude, Gemini, DeepSeek y más. Configuraciones declarativas simples con integración de línea de comandos y CI/CD. Utilizado por OpenAI y Anthropic.

promptfoo
⭐ 27,516 TypeScript 👤 promptfoo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-04-28
2
openai/evals

Evals es un framework para evaluar LLM y sistemas LLM, y un registro de benchmark de código abierto.

openai
⭐ 19,776 Python 👤 openai Organization 🕐 Actualizado 2026-04-14 📅 Creado 2023-01-23
3
confident-ai/deepeval

El marco de evaluación LLM

confident-ai
⭐ 19,585 Python 👤 confident-ai Organization 🕐 Actualizado 2026-11-19 📅 Creado 2023-08-10
4
EleutherAI/lm-evaluation-harness

Un marco para la evaluación few-shot de modelos de lenguaje.

EleutherAI
⭐ 14,515 Python 👤 EleutherAI Organization 🕐 Actualizado 2026-11-04 📅 Creado 2020-08-28
5
Kiln-AI/Kiln

Construya, evalúe y optimice sistemas de IA. Incluye evaluaciones (evals), RAG, agentes, ajuste fino, generación de datos sintéticos, gestión de conjuntos de datos, MCP y más.

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-07-23
6
Nicolepcx/ai-agents-the-definitive-guide

Repositorio para Agentes de IA: La Guía Definitiva

Nicolepcx
⭐ 3,020 Jupyter Notebook 👤 Nicolepcx User 🕐 Actualizado 2026-08-01 📅 Creado 2025-08-22
7
huggingface/lighteval

Lighteval es su kit de herramientas todo en uno para evaluar LLM en múltiples backends

huggingface
⭐ 2,587 Python 👤 huggingface Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-01-26
8
future-agi/future-agi

Plataforma de código abierto de extremo a extremo para evaluar, observar y mejorar aplicaciones de LLM y agentes de IA. Tracing · Evals · Simulations · Datasets · Gateway · Guardrails. Autoalojable. Apache 2.0.

future-agi
⭐ 2,284 Python 👤 future-agi Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-23
9
Cloud-CV/EvalAI

:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: Evaluación del estado del arte en IA

Cloud-CV
⭐ 2,049 Python 👤 Cloud-CV Organization 🕐 Actualizado 2026-11-14 📅 Creado 2016-10-21
10
tsale/EDR-Telemetry

Este proyecto tiene como objetivo comparar y evaluar la telemetría de varios productos EDR.

tsale
⭐ 2,004 Python 👤 tsale User 🕐 Actualizado 2026-11-12 📅 Creado 2023-04-01
11
ServiceNow/AgentLab

AgentLab: Un marco de código abierto para desarrollar, probar y evaluar agentes web en tareas diversas, diseñado para escalabilidad y reproducibilidad.

ServiceNow
⭐ 668 Python 👤 ServiceNow Organization 🕐 Actualizado 2026-10-06 📅 Creado 2024-05-21
12
lartpang/SAMs-CDConcepts-Eval

Inspirando la próxima generación de modelos Segment Anything: Evaluar de manera integral SAM y SAM 2 con diversos prompts hacia conceptos dependientes del contexto en diferentes escenas

lartpang
⭐ 575 Python 👤 lartpang User 🕐 Actualizado 2026-08-30 📅 Creado 2024-11-26
13
relari-ai/continuous-eval

Evaluación basada en datos para aplicaciones impulsadas por LLM

relari-ai
⭐ 519 Python 👤 relari-ai Organization 🕐 Actualizado 2026-08-10 📅 Creado 2023-12-08

Preguntas frecuentes

1

¿Cuál es el repositorio de #evaluation-framework más popular en GitHub?

El proyecto de código abierto de #evaluation-framework mejor posicionado en GitHub es promptfoo/promptfoo, con 27,516 estrellas. Prueba tus prompts, agentes y RAGs. Red teaming/pentesting/escaneo de vulnerabilidades para IA. Compara el rendimiento de GPT, Claude, Gemini, DeepSeek y más. Configuraciones declarativas simples con integración de línea de comandos y CI/CD. Utilizado por OpenAI y Anthropic.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #evaluation-framework?

Entre los proyectos de #evaluation-framework mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Jupyter Notebook.

3

¿Cómo se calcula la clasificación de los repositorios de #evaluation-framework?

Seguimos 13 repositorios activos de código abierto etiquetados con #evaluation-framework (500+ estrellas), que suman un total de 100,331 estrellas, con una media de 7,717 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.