JevalKit

为决策模型提供共同的评测基础。

JevalKit 为 Jev 类决策模型提供统一接口和预处理评测数据，无需在多个仓库中分别准备 Benchmark，即可运行评测。

包含哪些能力

• 统一评测命令，覆盖 8 类 Benchmark。
• 整理好的 10 份 TSV 数据视图。
• 已注册 20 个模型家族的适配器。
• 保存预测、来源清单、概率指标与排行榜导出。

模型注册不代表完成了完整实测。排行榜区分完整评测、冒烟检查和导入预测，具体覆盖与来源见各结果清单。

开始评测

1. 安装并运行首次评测。
2. 配置模型的原生依赖。
3. 阅读 Benchmark 评分协议。
4. 查看排行榜。

添加集成

在 Issue 中提供模型或 Benchmark ID、作者发布链接，以及可用的最小使用示例。

GitHub · 数据集 · 排行榜