Todas las etiquetas
Etiqueta del catálogo

#llm-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 «llm-evaluation-framework»Ordenado por índice de salud
npm
97Excepcionalíndice 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★ 25.2K↓ 2.6M/mes16 sept 2026
MIT16 sept 2026 · métricas 2.10.0
PyPI · npm
94Excepcionalíndice de salud
confident-ai/deepeval
The LLM Evaluation Framework
Python · TypeScript★ 18.3K↓ 6.3M/mes16 sept 2026
Apache-2.016 sept 2026 · métricas 2.10.0
RubyGems
69Buenoíndice 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★ 310 sept 2026
Licencia propia10 sept 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
Go
59Moderadoíndice de salud
petmal/MindTrial
MindTrial: Evaluate and compare AI language models (LLMs) on text-based tasks with optional file/image attachments and tool use. Supports multiple providers (OpenAI, Google, Anthropic, DeepSeek, Mistral AI, xAI, Alibaba, Moonshot AI, OpenRouter), custom tasks in YAML, and HTML/CSV/JSON reports.
Go★ 2121 oct 2026
MPL-2.021 oct 2026 · métricas 2.10.0