llm-evaluation

适用于 agentskills.io 风格 AI agent 技能的测试运行器

用于浏览器 AI 代理日常任务的开源基准测试

Awesome-LLM-Eval：精选的工具、数据集/基准测试、演示、排行榜、论文、文档与模型列表，主要用于 LLM 评估。一个由工具、基准/数据、演示、排行榜和大模型等组成的精选列表，主要面向基础大模型评测，旨在探求生成式AI的技术边界。

收录社会科学领域中涉及 LLM 相关论文的精选清单。

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

针对公司内部文档进行 RAG 的数据集与基准测试。

基于 LLM 应用程序的数据驱动评估