Hugging Face Evaluate
活跃简介
Hugging Face 官方模型与数据集评估库，提供丰富的评估指标和方法，轻松评估机器学习模型性能和数据集质量。
相关项目
Argilla
4.9k · Python
Argilla 是面向 AI 工程师和领域专家的协作平台，支持构建高质量数据集、人工反馈收集与模型评估。
evaluationdata-processingllm +2
Weave
1.1k · Python
Weights & Biases 推出的 AI 应用开发工具包，提供 LLM 调用追踪、评估实验管理和版本化能力，助力 AI 应用从原型到生产的全流程管理。
observabilityevaluationllm +2
PrompToMatix
948 · Python
Salesforce AI Research 推出的自动提示词优化框架，利用 LLM 自动搜索和优化提示词以提升模型性能。
prompt-engineeringevaluationllm +1
AgentBench
3.3k · Python
A comprehensive benchmark to evaluate LLMs as agents (ICLR 2024), covering operating systems, databases, knowledge graphs, digital card games and more.
evaluationpythonagent +1