jsdhwfmax/EvalForgeEvalForge 提供评估器中立的 AI 评估证据、回归门禁与 CI 报告
EvalForge 提供评估器中立的 AI 评估证据、回归门禁与 CI 报告
为 AI 评估接入 CI 提供标准化、可审计的回归门禁和 JSON/JUnit/SARIF 报告，便于把模型质量纳入流水线。
数据 / MLOps
资料 29 条 · 常规内容近 60–90 天，综述/报告保留一年最近同步 48 分钟前
同一份资料，两种阅读方式
Building trust in AI agents: A production-ready evaluation framework with Amazon Bedrock AgentCoreAWS 公开九阶段 Agent 评测框架，捕捉生产环境的静默退化
AWS 公开九阶段 Agent 评测框架，捕捉生产环境的静默退化
Agent 上线后质量会悄悄下滑而延迟不变，说明评测应作为持续运行的质量环节，而非上线前的一次性 QA
Future of Time Series Anomaly Detection: From Historical Review to Unified Outlook时序异常检测综述统一 LLM 等范式并开源基准
时序异常检测综述统一 LLM 等范式并开源基准
为时序异常检测提供统一分类、评测与开源基准，可参考模型选型与评估。
mlflow MLflow 3.17.1MLflow 3.17.1 补丁版：make_judge 支持 Decision API
MLflow 3.17.1 补丁版：make_judge 支持 Decision API
影响有限，主要是评测接口的小幅增强，以及 Claude Code OTel trace 渲染等修复