#自动评估

phospho

Phospho 是为LLM应用设计的文本分析平台，提供灵活的日志记录、自动评估、洞察提取和数据可视化等功能，帮助开发者发现问题和提取用户反馈，从而评估应用的效果。借助phospho，开发者可以安心地在生产环境中部署LLM应用，并通过用户反馈不断优化对话体验。该平台支持Python和JavaScript客户端，方便快速集成和自动处理批量信息事件。用户还可以在注册托管版本后，在协作平台上管理phospho实验室的评估工作。

Artemis

Artemis是一个开源的交互式学习平台，为编程、测验和建模等练习提供即时个性化反馈。该平台支持多种编程语言，集成版本控制和持续集成，提供在线代码编辑器和手动代码审查功能。Artemis还包括测验、建模练习、文本练习、考试模式、评分系统和反作弊检查等功能，为教师提供定制选项，为学生提供实时协作环境，有效结合创新教学与传统教育方法。

metricx-23-large-v2p0

MetricX-23是Google Research开发的开源机器翻译评估模型系列。模型在T5X上训练后转为PyTorch格式，提供参考型和无参考型两种版本，规模从Large到XXL不等。通过合成数据训练，MetricX-23能识别漏译、过度翻译等多种翻译问题。项目提供推理脚本和评估工具，适用于翻译质量研究和实际应用场景。

unieval-dialog

UniEval作为一款开源工具，通过多维度自动评估提升自然语言生成的精确性和细致性。