Тематическая подборка

evaluation

4 open-source проекта с AI-разборами, метриками и прямыми ссылками на GitHub.

Набор навыков и проверок для ИИ-агентов: классифицировать задачу, собрать доказательства, выполнить минимальные изменения и подтвердить результат.

Открытый бенчмарк, где модели соревнуются в реальных инженерных сценариях, проходят слепое судейство и получают рейтинг Elo с проверяемым журналом.

Консольный бенчмарк для сравнения локальных LLM по качеству, скорости, задержке и памяти с интерактивной таблицей результатов.

CLI и GitHub Action для безопасного анализа pull request, сортировки issues и подготовки структурированных release notes через OpenAI Responses API.