应用介绍

改了一版提示词或换了模型，效果到底是变好还是变差，凭感觉判断不靠谱。OpenAI Evals 是一个评估大模型及其应用系统的框架，也是一个开源的评测基准库。

它支持自定义评测、模型打分和批量运行，可以把你的业务场景变成可重复的测试。

软件功能

评测框架：自定义测试。

基准库：开源共享。

模型打分：自动评判。

可重复：回归对比。