Git Stars Git Stars

#machine-learning-evaluation Repositorios

Descubre 10 repositorios activos de código abierto de GitHub etiquetados con #machine-learning-evaluation, que acumulan 11,993 estrellas en total (una media de 1,199 estrellas por proyecto). El líder de este tema es stanford-crfm/helm, con 2,975 estrellas.

10
Total de Repositorios
11,993
Total de estrellas
1,199
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook

10 repositorios en total

1
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) es un marco de Python de código abierto creado por el Center for Research on Foundation Models (CRFM) en Stanford para la evaluación holística, reproducible y transparente de modelos de fundación, incluidos modelos de lenguaje grandes (LLM) y modelos multimodales.

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

El Benchmark de Anomalías de Numenta

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

Herramientas de análisis de modelos para TensorFlow

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

Un marco para la evaluación de modelos de lenguaje autorregresivos para la generación de código.

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

El libro que todo científico de datos necesita en su escritorio.

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

Herramientas para GANs en TensorFlow

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

Evaluación automática de sistemas RAG

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

Un kit de benchmark ligero y plug-and-play para datos sintéticos. Compare Syncora con otros generadores (por ejemplo, Gretel, MostlyAI) insertando CSV, luego calcule automáticamente métricas de fidelidad y similitud. Funciona con cualquier conjunto de datos a través de una simple nomenclatura de archivos, sin necesidad de una configuración compleja.

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

Un esfuerzo de ciencia abierta para evaluar el razonamiento legal en modelos fundacionales

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

El repositorio oficial del artículo, LLMs-as-Judges: Una encuesta completa sobre métodos de evaluación basados en LLM.

CSHaitao
⭐ 600 👤 CSHaitao User 🕐 Actualizado 2025-07-29 📅 Creado 2024-11-10

Preguntas frecuentes

1

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

El proyecto de código abierto de #machine-learning-evaluation mejor posicionado en GitHub es stanford-crfm/helm, con 2,975 estrellas. Holistic Evaluation of Language Models (HELM) es un marco de Python de código abierto creado por el Center for Research on Foundation Models (CRFM) en Stanford para la evaluación holística, reproducible y transparente de modelos de fundación, incluidos modelos de lenguaje grandes (LLM) y modelos multimodales.

2

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

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

3

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

Seguimos 10 repositorios activos de código abierto etiquetados con #machine-learning-evaluation (500+ estrellas), que suman un total de 11,993 estrellas, con una media de 1,199 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.