描述
Builds repeatable evaluation systems with golden datasets, scoring rubrics, pass/fail thresholds, and regression reports. Use for "LLM evaluation", "testing AI…
软件工程 / 诊断修复
evaluation-harness
evaluation-harness
安装量 109GitHub Stars 38更新时间 2026年5月16日
安全审计
使用前的风险提示
规则审计
未审计更新 1年1月1日
智能审计
未审计更新 1年1月1日
uitestingllmevaluationharnessbuildsrepeatablesystemsgoldendatasetsscoringrubrics