Git Stars Git Stars

#evaluation-framework 仓库

探索 13 个标记为 #evaluation-framework 的活跃开源 GitHub 仓库,它们累计获得 100,331 个 Star(平均每个项目 7,717 个)。该主题的领先项目是 promptfoo/promptfoo,拥有 27,516 个 Star。

13
仓库总数
100,331
总星标数
7,717
平均每个仓库星标数
1
promptfoo/promptfoo

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。

promptfoo
⭐ 27,516 TypeScript 👤 promptfoo Organization 🕐 已更新 2026-11-21 📅 创建时间 2023-04-28
2
openai/evals

Evals 是一个用于评估 LLM 和 LLM 系统的框架,以及一个开源的基准测试注册中心。

openai
⭐ 19,776 Python 👤 openai Organization 🕐 已更新 2026-04-14 📅 创建时间 2023-01-23
3
confident-ai/deepeval

LLM评估框架

confident-ai
⭐ 19,585 Python 👤 confident-ai Organization 🕐 已更新 2026-11-19 📅 创建时间 2023-08-10
4
EleutherAI/lm-evaluation-harness

语言模型少样本评估框架。

EleutherAI
⭐ 14,515 Python 👤 EleutherAI Organization 🕐 已更新 2026-11-04 📅 创建时间 2020-08-28
5
Kiln-AI/Kiln

构建、评估和优化 AI 系统。包括评估、RAG、智能体、微调、合成数据生成、数据集管理、MCP 等。

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-07-23
6
Nicolepcx/ai-agents-the-definitive-guide

AI 智能体仓库:权威指南

Nicolepcx
⭐ 3,020 Jupyter Notebook 👤 Nicolepcx User 🕐 已更新 2026-08-01 📅 创建时间 2025-08-22
7
huggingface/lighteval

Lighteval 是您跨多个后端评估 LLM 的一体化工具包

huggingface
⭐ 2,587 Python 👤 huggingface Organization 🕐 已更新 2026-11-18 📅 创建时间 2024-01-26
8
future-agi/future-agi

开源端到端平台,用于评估、观察和改进 LLM 和 AI 代理应用。Tracing · Evals · Simulations · Datasets · Gateway · Guardrails。自托管。Apache 2.0。

future-agi
⭐ 2,284 Python 👤 future-agi Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-23
9
Cloud-CV/EvalAI

:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: 评估人工智能的最新技术

Cloud-CV
⭐ 2,049 Python 👤 Cloud-CV Organization 🕐 已更新 2026-11-14 📅 创建时间 2016-10-21
10
tsale/EDR-Telemetry

该项目旨在比较和评估各种EDR产品的遥测数据。

tsale
⭐ 2,004 Python 👤 tsale User 🕐 已更新 2026-11-12 📅 创建时间 2023-04-01
11
ServiceNow/AgentLab

AgentLab:一个开源框架,用于在多种任务上开发、测试和基准测试网络代理,旨在实现可扩展性和可重复性。

ServiceNow
⭐ 668 Python 👤 ServiceNow Organization 🕐 已更新 2026-10-06 📅 创建时间 2024-05-21
12
lartpang/SAMs-CDConcepts-Eval

激励下一代分割一切模型:通过多样化的提示全面评估SAM和SAM 2,以实现不同场景下依赖于上下文的概念

lartpang
⭐ 575 Python 👤 lartpang User 🕐 已更新 2026-08-30 📅 创建时间 2024-11-26
13
relari-ai/continuous-eval

LLM驱动的应用的数据驱动评估

relari-ai
⭐ 519 Python 👤 relari-ai Organization 🕐 已更新 2026-08-10 📅 创建时间 2023-12-08

常见问题解答

1

GitHub 上最受欢迎的 #evaluation-framework 仓库是什么?

GitHub 上排名第一的开源 #evaluation-framework 项目是 promptfoo/promptfoo,拥有 27,516 个 Star。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。

2

#evaluation-framework 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #evaluation-framework 项目中,最常见的编程语言是 Python, TypeScript, Jupyter Notebook。

3

#evaluation-framework 仓库的排名是如何计算的?

我们跟踪了 13 个标记为 #evaluation-framework 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 100,331 个 Star,平均每个仓库拥有 7,717 个 Star。排名每日根据 GitHub API 更新。