面向 LLM 应用的数据驱动评估框架，提供多种指标，重点覆盖 RAG 与信息检索场景，帮助在开发中持续量化效果。

MapEval 是一个统一的 SLAM 建图评估框架，用点云配准和 Wasserstein 距离等指标，稳健高效地给激光点云地图打分，方便做 SLAM 基准对比。

Inspect 是一个用 Python 编写的大语言模型评测框架，帮助研究者系统化地设计、运行和分析模型评估实验。

面向大语言模型的知识编辑框架，支持对模型内部事实知识进行定位、修改与评估，覆盖多种编辑算法和模型，方便研究和落地。