搜索结果：evaluation（10 个）
按分类缩小范围
opik
商机 82
LLM 应用、RAG 和 Agent 工作流的调试评估与监控平台，提供全链路追踪、自动化评测和生产级仪表盘。
mlflow
商机 82
面向 agent、LLM 和 ML 模型的开源 AI 工程平台，支持调试、评估、监控和优化生产级 AI 应用。
bisheng
商机 81
开源企业级 Agent 平台，融合 AI Agent、工作流、RAG 与知识库管理，用于构建和部署 AI 应用。
promptfoo
商机 80
用于测试 Prompt、Agent 与 RAG 的 AI 红队渗透测试工具，可对比 GPT、Claude、DeepSeek 等模型性能。
RagaAI-Catalyst
商机 74
Agent AI 可观测性、监控与评估框架的 Python SDK，支持链路追踪、多 Agent 调试及自托管看板。
deepeval
商机 70
专为大语言模型打造的 LLM 测试与评估框架。
phoenix
商机 67
专为 AI 应用打造的可观测性与评估分析平台。
ragas
商机 64
专为 LLM 应用打造的自动化评估与测试框架。
lm-evaluation-harness
商机 52
用于语言模型少样本（few-shot）评估的测试框架。
cua
商机 44
通过开源驱动、跨平台沙箱及基准测试扩展 computer-use 2.0，用于模型训练、评估和数据生成。