AI Decision System
Replayable, offline-verifiable records for AI-assisted go/no-go decisions: experiment promotions, typed model answers and human-approved actions.
툴·브라우저·모바일·코딩·장기 평가까지 지원하는 범용 LLM 벤치마크 프레임워크입니다
Universal LLM benchmarking harness for tool use, browser, mobile, coding, and long-horizon evals
개발 도구Python · ShellGitHub @Toloka직접 설치운영자 미확인
써 보셨어요? 한 번만 눌러 주세요. 로그인은 필요 없어요.
README 전체를 불러오는 중입니다. 아래는 저장된 발췌입니다.
A benchmarking harness for evaluating tool-using LLM agents. Multi-turn agent/user loops, sandboxed execution, deterministic grading, and rich telemetry — across any provider via LiteLLM.README 전문 보기 ↗지금 README 전체를 불러올 수 없습니다. 원문 링크에서 읽을 수 있습니다. 아래는 저장된 발췌입니다.
A benchmarking harness for evaluating tool-using LLM agents. Multi-turn agent/user loops, sandboxed execution, deterministic grading, and rich telemetry — across any provider via LiteLLM.README 전문 보기 ↗