「evals」に関するオープンソースプロジェクト

Terminal-Benchチームが開発した、コンテナ環境でAIエージェントや言語モデルを評価・最適化するためのフレームワーク。

LLMアプリやエージェントのトレース、評価、デバッグに使えるオープンソースのセルフホスト型AIオブザーバビリティ基盤。

AIエージェントを支える基盤の設計に役立つ、メモリ、MCP、権限、評価、オーケストレーション関連の厳選リソース集