PyPI
dalmia/calibrate-python-sdk
Python SDK for Calibrate's API
MIT20 вер. 2026 р. · метрики 2.10.0
Усі теги
Тег каталогу
#llm-evaluation
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.
38 записів
PyPI
mrwersa/agentverity
Qualify repeated categorical AI-agent evidence before it becomes a regression reference
Apache-2.016 вер. 2026 р. · метрики 2.10.0
Go
tamnd/taocp-solver
A Go library and CLI for complete TAOCP solutions, fast and audited solving modes, reproducible model evaluation, and detailed token and list-cost accounting.
MIT14 вер. 2026 р. · метрики 2.10.0
—
DanceNitra/ramr
RAMR — Retrieval-Augmented Memory Reliability: a contamination-resistant synthetic benchmark for agentic-RAG / memory systems (findings + method)
MIT14 вер. 2026 р. · метрики 2.10.0
PyPI
JarJarBeatyourattitude/evalt
Budget-bounded LLM routing that finds the cheapest model and prompt meeting your accuracy target.
MIT12 вер. 2026 р. · метрики 2.10.0
npm
mykim-aus/hey-llm-you-okay
Hey LLM, you okay? — pyramid-ordered LLM testing CLI for CI/CD. One YAML for every layer, LLM-as-a-judge gates, and A/B triage that tells prompt regressions from model drift.
MIT14 вер. 2026 р. · метрики 2.10.0
PyPI
waybarrios/crystal
CRYSTAL: Beyond Final Answers: Benchmark for Transparent Multimodal Reasoning Evaluation | arXiv 2603.13099
Без ліцензії17 лип. 2026 р. · метрики 2.10.0
—
CSOAI-ORG/gspc-board
GSPC Board — 22-axis AI measurement, Ed25519-signed cards, Merkle root, Bitcoin OTS anchoring. The public evidence layer for AI governance.
Власна ліцензія7 жовт. 2026 р. · метрики 2.10.0