Git Stars Git Stars

#machine-learning-evaluation Repositórios

Descubra 10 repositórios ativos de código aberto no GitHub marcados com #machine-learning-evaluation, acumulando um total de 11,993 estrelas (uma média de 1,199 por projeto). O líder deste tópico é stanford-crfm/helm, com 2,975 estrelas.

10
Total de Repositórios
11,993
Total de estrelas
1,199
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook

10 repositórios no total

1
stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) é um framework Python de código aberto criado pelo Center for Research on Foundation Models (CRFM) em Stanford para avaliação holística, reproduzível e transparente de modelos de fundação, incluindo grandes modelos de linguagem (LLMs) e modelos multimodais.

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

O Benchmark de Anomalias Numenta

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

Ferramentas de análise de modelos para TensorFlow

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

Uma estrutura para a avaliação de modelos de linguagem de geração de código autorregressiva.

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

O livro que todo cientista de dados precisa ter em sua mesa.

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

Ferramentas para GANs no TensorFlow

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

Avaliação Automatizada de Sistemas RAG

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

Um kit de benchmark leve e plug-and-play para dados sintéticos. Compare o Syncora com outros geradores (por exemplo, Gretel, MostlyAI) simplesmente inserindo arquivos CSV e, em seguida, calcule automaticamente as métricas de fidelidade e similaridade. Funciona com qualquer conjunto de dados através de uma simples nomeação de arquivos, sem a necessidade de configurações complexas.

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

Um esforço de ciência aberta para avaliar o raciocínio jurídico em modelos de fundação

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

O repositório oficial do artigo, LLMs-as-Judges: Um levantamento abrangente sobre métodos de avaliação baseados em LLM.

CSHaitao
⭐ 600 👤 CSHaitao User 🕐 Atualizado 2025-07-29 📅 Criado 2024-11-10

Perguntas Frequentes

1

Qual é o repositório de #machine-learning-evaluation mais popular no GitHub?

O projeto de código aberto de #machine-learning-evaluation mais bem classificado no GitHub é stanford-crfm/helm, com 2,975 estrelas. Holistic Evaluation of Language Models (HELM) é um framework Python de código aberto criado pelo Center for Research on Foundation Models (CRFM) em Stanford para avaliação holística, reproduzível e transparente de modelos de fundação, incluindo grandes modelos de linguagem (LLMs) e modelos multimodais.

2

Quais linguagens de programação são mais usadas nos repositórios de #machine-learning-evaluation?

Entre os projetos de #machine-learning-evaluation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook.

3

Como é calculada a classificação dos repositórios de #machine-learning-evaluation?

Acompanhamos 10 repositórios ativos de código aberto marcados com #machine-learning-evaluation (com mais de 500 estrelas), totalizando 11,993 estrelas e uma média de 1,199 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.