Тематическая подборка

llm-evaluation

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

Среда, в которой популяции автономных агентов проходят проверку, отбор и мутации, чтобы постепенно улучшать достижение заданной измеримой цели.

Evaluator-neutral AI evaluation evidence, baseline regression gates, and JSON, JUnit, and SARIF reports for CI.