Todas las etiquetas
Etiqueta del catálogo

#agent-evals

Todos los repositorios del registro público que llevan esta etiqueta, procedente de sus topics de GitHub o de las palabras clave que publican sus registros de paquetes. La salud se mide con la misma metodología versionada que el resto del registro.

4 registros
Con la etiqueta «agent-evals»Ordenado por índice de salud
Go · PyPI
90Excelenteíndice de salud
bitwise-media-group/evolve
A cli tool for evaluating coding agent plugins with a multi-tier approach.
Go★ 817 nov 2026
MIT17 nov 2026 · métricas 2.10.0
PyPI
59Moderadoíndice de salud
dalmia/calibrate-python-sdk
Python SDK for Calibrate's API
Python★ 0↓ 3013/mes20 sept 2026
MIT20 sept 2026 · métricas 2.10.0
PyPI · npm
59Moderadoíndice de salud
sblattj/agentic-coding-harness
Run, watch, and meter Claude Code, Codex CLI, Gemini CLI, OpenCode, and Kiro from one CLI. Normalized events, cache-aware token usage, cost accounting verified against each agent's own records, budget caps, OpenTelemetry gen_ai spans, Langfuse traces, and a live web dashboard + MCP server.
TypeScript · JavaScript★ 1↓ 8566/mes15 oct 2026
MIT15 oct 2026 · métricas 2.10.0
PyPI
56Moderadoíndice de salud
whilehq/whileai-sdk
Scientific RL and SFT post-training for AI agents: build evals that can fail, simulate situations, judge checked against people, pass@1 with a 95% interval, train with GRPO/SFT/DPO, prove every gain on a held-out set. uv add whileai
Python★ 3↓ 978/mes22 nov 2026
Apache-2.022 nov 2026 · métricas 2.10.0