awesome-evals

这是一个面向AI智能体（Agent）构建与评估的高质量资源聚合库，系统性地整理并验证了论文、工具、基准测试、技术博客、演讲视频等核心资料。项目采用深度引用爬取、实践者网络挖掘和人工深度注释相结合的方式，确保每项资源均附带明确的价值说明与可用性验证，并提供可运行的评估模式代码示例（如LLM-as-judge、pass@k、轨迹评分、CI集成等）。适用于AI Agent研发团队、评估框架设计者及大模型应用工程师开展系统性评估体系建设、方法选型与工程落地参考。