Усі теги
Тег каталогу

#llm-evaluation-framework

Усі репозиторії публічного реєстру з цим тегом — із тем GitHub або ключових слів, які публікують їхні реєстри пакетів. Здоров'я вимірюється за тією ж версіонованою методологією, що й решта реєстру.

5 записів
З тегом «llm-evaluation-framework»Упорядковано за індексом здоров'я
npm
97Винятковийіндекс здоров'я
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/міс16 вер. 2026 р.
MIT16 вер. 2026 р. · метрики 2.10.0
PyPI · npm
94Винятковийіндекс здоров'я
confident-ai/deepeval
The LLM Evaluation Framework
Python · TypeScript★ 18.3K↓ 6.3M/міс16 вер. 2026 р.
Apache-2.016 вер. 2026 р. · метрики 2.10.0
RubyGems
69Добрийіндекс здоров'я
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 вер. 2026 р.
Власна ліцензія10 вер. 2026 р. · метрики 2.10.0
PyPI
59Помірнийіндекс здоров'я
dalmia/calibrate-python-sdk
Python SDK for Calibrate's API
Python★ 0↓ 3 013/міс20 вер. 2026 р.
MIT20 вер. 2026 р. · метрики 2.10.0
Go
59Помірнийіндекс здоров'я
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 жовт. 2026 р.
MPL-2.021 жовт. 2026 р. · метрики 2.10.0