Havuz
Takip ettiğimiz konularda yükselen açık kaynak projeler — yıldız ivmesi, gerçek geliştirme aktivitesi ve AI değerlendirmesiyle.
Yalnız hareketli, son 28 günde commit almamış repoları gizler (yıldızı olan ama bırakılmış projeler). Commit sayısı henüz ölçülmemiş repolar da gizlenir.
EtiketTüm GitHub etiketleri — repo sahiplerinin koyduğu topic'lergöster
Etiketler yükleniyor…
- 1
RAG over GitHub issues, with a hand-reviewed eval set and an audit of the judge itself. Reports the interval, not just the best number.
11,4/gün ort. +9 son gün +9 son 1g 33 commit 1 yazar Python 01 Kas 2026 güncellendi 2 gün önce - 2
Benchmark and controlled study of LLM-based novelty judges for research ideas. Code and data for "Old Ideas, Novel Problems" (arXiv 2610.020
1,1/gün ort. +0 son gün +0,5 son 6g — commit Python 22 Eki 2026 güncellendi 11 gün önce - 3
Open memory & reliability layer for AI agents + independent judging/verification (NACRE judge, caliber-bench meta-benchmark, preregistered c
6,5/gün ort. +1 son gün +0,3 son 7g 784 commit 1 yazar Python 27 Nis 2026 güncellendi bugün - 4
AI evaluators CLI for your AI apps and Agents - Dynatrace AI Observability
0,2/gün ort. +0 son gün +0,1 son 7g — commit TypeScript 01 Nis 2026 güncellendi 4 gün önce - 5
开源 AI 应用评测平台，支持 RAG、AI Agent、多轮对话、LLM-as-Judge、接口评测、评测报告和人工盲测。Open-source AI evaluation platform for RAG, AI Agents, multi-turn conversation
0,1/gün ort. +0 son gün +0,1 son 7g — commit Python 17 Haz 2026 güncellendi 20 Tem 2026 - 6
Design visual, review-gated agent loops for Claude Code before you run them.
5,1/gün ort. +1 son gün +0 son 7g 0 commit 0 yazar Python 18 Haz 2026 güncellendi 09 Ağu 2026 - 7
The trust layer for your AI agent on any platform. Trace and evaluate your agent. Full Observability. Run Model portability analysis. Autotu
0,9/gün ort. +0 son gün +0 son 7g — commit TypeScript 31 Tem 2026 güncellendi 5 gün önce - 8
A dependency-free Python genetic-algorithm engine with pluggable fitness criteria — the reusable search core for an LLM/AI autoresearcher.
0,3/gün ort. +0 son gün +0 son 7g — commit Python 17 Haz 2026 güncellendi 01 Eki 2026 - 9
Practical LLM evaluation for teams that ship to production. Deterministic + LLM-as-judge evaluators, dataset support, CI/CD integration.
0,1/gün ort. +0 son gün +0 son 7g — commit Python 24 Nis 2026 güncellendi 21 Eyl 2026 - 10
Evidence-first multi-agent debate skill: get a second opinion by pitting Codex × Claude Code (or GLM/DeepSeek/Qwen) to independently review,
0,1/gün ort. +0 son gün +0 son 7g — commit Python 22 May 2026 güncellendi 28 gün önce - 11
Diagnosing policy grounding in LLM judges via causal erasure. Companion code to the AIES 2026 submission READ.
0,2/gün ort. +0 son gün +0 son 7g — commit Python 30 Haz 2026 güncellendi 27 gün önce - 12
Eval-driven multimodal agent for identifying trees, logs, bark, leaves and wood from photographs. Dendrology is the reference domain; the e
0,2/gün ort. +0 son gün +0 son 7g — commit Python 25 Tem 2026 güncellendi 5 gün önce - 13
MathPinpoint: problem-level math retrieval dataset. Find the web page that solves the same problem under the same conditions, correctly. 3.5
1,1/gün ort. -39 son gün -5,6 son 7g — commit TeX 28 Eyl 2026 güncellendi 9 gün önce