#evaluation 仓库
探索 89 个标记为 #evaluation 的活跃开源 GitHub 仓库,它们累计获得 369,872 个 Star(平均每个项目 4,155 个)。该主题的领先项目是 lm-sys/FastChat,拥有 39,550 个 Star。
共 89 个仓库
🪢 开源 AI 工程平台:基于 OpenTelemetry 构建,提供 AI 网关、智能体可观测性、评估以及提示词/技能管理。一个开放平台,覆盖每一次 AI 调用和每一个智能体。可自行托管,也可使用 Langfuse Cloud。
开源AI工程平台,适用于代理、大语言模型(LLMs)和机器学习模型。MLflow使各种规模的团队能够调试、评估、监控和优化生产级AI应用,同时控制成本并管理对模型和数据的访问。
测试您的提示词、智能体和 RAG。针对人工智能的红队测试/渗透测试/漏洞扫描。比较 GPT、Claude、Gemini、DeepSeek 等模型的性能。支持命令行和 CI/CD 集成的简单声明式配置。已被 OpenAI 和 Anthropic 使用。
OpenCompass 是一个大语言模型(LLM)评测平台,支持 OpenAI、Anthropic、Gemini、Qwen、GLM、DeepSeek 等众多模型,涵盖 100 多个数据集,涉及知识、推理、编程、科学、语言、长上下文和安全等领域。
达尔文.skill —— 一个让你的Skill无限进化的系统:评估→改进→测试→保留或回滚 | Autoresearch-inspired autonomous skill optimization for Claude Code. Evaluate, improve, test, keep or revert.
用于评估 AI 智能体技能和插件的多层级框架,包含质量门禁、安全扫描、测试框架兼容性检查、语义重叠检测、合成评估数据集生成,以及衡量技能如何影响智能体行为的实时智能体评估。提供可复用的 CI 模板,将所有检查引入任何代码仓库。
拼好RAG:手搓并融合了GraphRAG、LightRAG、Neo4j-llm-graph-builder进行知识图谱构建以及搜索;整合DeepSearch技术实现私域RAG的推理;自制针对GraphRAG的评估框架
UpTrain 是一个开源的统一平台,用于评估和改进生成式 AI 应用程序。我们为 20 多个预配置的检查(涵盖语言、代码、嵌入式用例)提供评分,对失败案例进行根本原因分析,并提供有关如何解决这些问题的见解。
分享我们在管理 Open LLM Leaderboard 和设计 lighteval 期间收集到的关于 LLM 评估的实用见解和理论知识!
WFGY 正在迈向 WFGY 5.0 Polaris Protocol,这是一个针对 AI 推理、RAG、代理和现实世界工作流程的主要开源发布。包括 Problem Map、Global Debug Card、WFGY 4.0 和 CFV 彩蛋。
心理健康大模型 (LLM x Mental Health), Pre & Post-training & Dataset & Evaluation & Depoly & RAG, with InternLM / Qwen / Baichuan / DeepSeek / Mixtral / LLama / GLM series models
常见问题解答
GitHub 上最受欢迎的 #evaluation 仓库是什么?
GitHub 上排名第一的开源 #evaluation 项目是 lm-sys/FastChat,拥有 39,550 个 Star。用于训练、部署和评估大型语言模型的开放平台。Vicuna 和 Chatbot Arena 的发布仓库。
#evaluation 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #evaluation 项目中,最常见的编程语言是 Python, TypeScript, Jupyter Notebook, Go。
#evaluation 仓库的排名是如何计算的?
我们跟踪了 89 个标记为 #evaluation 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 369,872 个 Star,平均每个仓库拥有 4,155 个 Star。排名每日根据 GitHub API 更新。