agent-evaluation

AIエージェントの独立監査。人間またはエージェント自身が実行し、AIエージェント経済における最も重要な問いに答えます。エージェントは意図した通りに動作しているか？iFixAiを使えば、120秒未満でこの答えを得られます。

🐢 LLMエージェント向けのオープンソースの評価・テストライブラリ

次世代AIエージェント最適化プラットフォーム：Cozeloopは、開発、デバッグ、評価から監視に至るまでのライフサイクル全体管理機能を提供することで、AIエージェント開発の課題に対処します。

LLM 実験および AI エージェント向けの評価と追跡フレームワーク

さまざまなエージェントフレームワークを使用および評価するための単一インターフェース

AuditPilot：根拠に基づいたワークフロー、ガバナンス付きツール、評価ハーネス、人間によるレビュー、修正配信を実現する、監査可能なエンタープライズAIエージェント

AIエージェントの構築と評価に最適なリソース（論文、ブログ、講演、ツール、ベンチマーク）を集めた、無駄のない厳選ライブラリ。BenchFlowが保守しています。

オープンソースのAIエージェントエンジニアリングプラットフォーム：AIエージェントのデバッグと改善のためのトレース、評価、メトリクスを提供。LangGraph、CrewAI、Claude Agent SDKなどと統合可能。

日常タスクにおけるブラウザ AI エージェントのオープンソースベンチマーク。