llm-evaluation

Sebuah test runner untuk skill AI agent gaya agentskills.io

Benchmark open-source untuk AI agent browser pada tugas sehari-hari.

Awesome-LLM-Eval: Daftar kurasi alat, dataset/benchmark, demo, papan peringkat, makalah, dokumen, dan model, terutama untuk evaluasi LLM.

Kumpulan makalah keren tentang LLM dalam Ilmu Sosial.

Open-source infrastructure that turns scattered SKILL.md files into curated, retrieval-ready agent-skill corpora—with retrieval and evaluation tooling included.

Dataset dan tolok ukur untuk RAG pada dokumen internal perusahaan.

Evaluasi Berbasis Data untuk Aplikasi Bertenaga LLM