llm-evaluation

適用於 agentskills.io 風格 AI agent 技能的測試執行器

用於瀏覽器 AI 代理日常任務的開源基準測試

Awesome-LLM-Eval：精選的工具、資料集/基準測試、展示、排行榜、論文、文件與模型清單，主要用於 LLM 評估。一個由工具、基準/數據、演示、排行榜和大模型等組成的精選列表，主要面向基礎大模型評測，旨在探求生成式AI的技術邊界。

收錄社會科學領域中涉及 LLM 相關論文的精選清單。

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

針對公司內部文件進行 RAG 的資料集與基準測試。

基於 LLM 應用程式的資料驅動評估