目录标签

#llm-evaluation-framework

公开记录中带有此标签的全部仓库——标签来自其 GitHub 主题或软件包注册表发布的关键词。健康度量遵循与记录其余部分相同的版本化方法论。

4 条记录

标签为“llm-evaluation-framework”按健康指数排序

npm

96卓越健康指数

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★ 23.9K↓ 2.1M/月2026年8月5日

MIT2026年8月5日 · 指标 2.10.0

PyPI · npm

94卓越健康指数

confident-ai/deepeval

The LLM Evaluation Framework

Python · TypeScript★ 17.4K↓ 6.3M/月2026年8月5日

Apache-2.02026年8月5日 · 指标 2.10.0

RubyGems

67良好健康指数

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★ 12026年7月17日

自定义许可证2026年7月17日 · 指标 2.10.0

57中等健康指数

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★ 172026年8月30日

MPL-2.02026年8月30日 · 指标 2.10.0