llm-evaluation

agentskills.io形式のAIエージェントスキル用テストランナー

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。

Awesome-LLM-Eval: LLMの評価に特化したツール、データセット/ベンチマーク、デモ、リーダーボード、論文、ドキュメント、モデルの厳選リスト。

社会科学における LLM に関する優れた論文集。

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

社内文書におけるRAGのためのデータセットとベンチマーク。

LLMを活用したアプリケーション向けのデータ駆動型評価