#llm-evaluation 仓库
探索 108 个标记为 #llm-evaluation 的活跃开源 GitHub 仓库,它们累计获得 444,825 个 Star(平均每个项目 4,118 个)。该主题的领先项目是 ifixai-ai/iFixAi,拥有 46,592 个 Star。
共 108 个仓库
AI 智能体独立审计。无论是人工运行还是由智能体自身运行,旨在回答 AI 智能体经济中最关键的问题:该智能体是否在执行其应有的任务?使用 iFixAi,您可以在 120 秒内获得答案。
🪢 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。
一个全栈式 AI 红队测试平台,通过 Agent 扫描、Skills 扫描、MCP 扫描、AI 基础设施扫描和 LLM 越狱评估,保障 AI 生态系统安全。
非线智能 NoneLinear - ReLE评测:中文AI大模型能力评测(持续更新):目前已囊括374个大模型,覆盖chatgpt、gpt-5.4、谷歌gemini-3.1-pro、Claude-4.6、文心ERNIE-X1.1、ERNIE-5.0、qwen3.6-max、qwen3.6-plus、百川、讯飞星火、商汤senseChat等商用模型, 以及step3.5-flash、kimi-k2.6、ernie4.5、MiniMax-M2.7、deepseek-v4、Qwen3.6、llama4、智谱GLM-5.1、MiMo-V2、LongCat、gemma4、mistral等开源大模型。不仅提供排行榜,也提供规模超200万的大模型缺陷库!方便广大社区研究分析、改进大模型。
Agent OS:智能体会自行变得更聪明。我们只需守住底线:面试把关、分阶段评估、预算约束的迭代进化闭环。MCP 服务器,支持 14 个运行时:Claude Code、Codex CLI、Gemini CLI、OpenCode、Copilot、Kiro 等。
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。
Prompty 可轻松为您的 AI 应用程序创建、管理、调试和评估 LLM prompts。Prompty 是一种 LLM prompts 的资产类别和格式,旨在提高开发者的可观察性、可理解性和可移植性。
常见问题解答
GitHub 上最受欢迎的 #llm-evaluation 仓库是什么?
GitHub 上排名第一的开源 #llm-evaluation 项目是 ifixai-ai/iFixAi,拥有 46,592 个 Star。AI 智能体独立审计。无论是人工运行还是由智能体自身运行,旨在回答 AI 智能体经济中最关键的问题:该智能体是否在执行其应有的任务?使用 iFixAi,您可以在 120 秒内获得答案。
#llm-evaluation 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #llm-evaluation 项目中,最常见的编程语言是 Python, Jupyter Notebook, TypeScript, Java。
#llm-evaluation 仓库的排名是如何计算的?
我们跟踪了 108 个标记为 #llm-evaluation 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 444,825 个 Star,平均每个仓库拥有 4,118 个 Star。排名每日根据 GitHub API 更新。