Etiqueta del catálogo

#evaluation-framework

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.

5 registros

Con la etiqueta «evaluation-framework»Ordenado por índice de salud

PyPI

83Buenoíndice de salud

EleutherAI/lm-evaluation-harness

A framework for few-shot evaluation of language models.

Python★ 13.3K↓ 1.5M/mes21 jul 2026

MIT21 jul 2026 · métricas 1.13.0

npm

80Buenoíndice de salud

promptfoo/promptfoo

Test your prompts, agents, and RAGs. Red teaming/pentesting/vulnerability scanning for AI. Compare performance of GPT, Claude, Gemini, DeepSeek, and more. Simple declarative configs with command line and CI/CD integration. Used by OpenAI and Anthropic.

TypeScript★ 23.4K↓ 1.7M/mes17 jul 2026

MIT17 jul 2026 · métricas 1.13.0

npm · PyPI

78Buenoíndice de salud

confident-ai/deepeval

The LLM Evaluation Framework

Python · TypeScript★ 17K↓ 17.7K/mes20 jul 2026

Apache-2.020 jul 2026 · métricas 1.13.0

RubyGems

61Moderadoíndice de salud

homemade-software-inc/completion-kit

Your prompts need tests too. Run prompts against real datasets, score outputs with LLM judges, version everything, and compare runs to see what got better.

Ruby · HTML★ 117 jul 2026

Licencia propia17 jul 2026 · métricas 1.13.0

npm

48En riesgoíndice de salud

empirical-run/empirical

Test and evaluate LLMs and model configurations, across all the scenarios that matter for your application

TypeScript★ 16715 jul 2026

MIT15 jul 2026 · métricas 1.13.0