deepeval

基于数据驱动的 LLM 应用评估。

MixEval的官方评估套件和动态数据发布。

智能体大语言模型漏洞扫描器 / AI红队测试工具包 🧪

一个统一的评估工具包和排行榜，用于严格评估大型语言和视觉语言模型在整个研究工作流程中的科学智能。