测测大模型用不同语言回答医疗问题的靠谱程度
XLingEval 是一个用于跨语言评估大型语言模型（LLM）在医疗健康查询场景中表现的开源工具包，源自同名论文。它主要解决非英语用户在向LLM提出医疗问题时，模型回答质量因语言而异的问题，尤其是当用户用母语提问时，模型性能可能显著下降。该工具提供了一套标准化的评估流程和资源，包括多语言医疗查询数据集、评估指标以及基线模型结果，帮助研究者和开发者量化LLM在不同语言下的医疗信息准确性、安全性和有用性。其核心能力在于构建了跨语言医疗评估基准，支持多语言输入，并提供了可复现的评估脚本，便于社区扩展新语言或新模型。项目目前处于早期阶段，代码结构清晰，适合作为学术研究或医疗AI产品多语言能力测试的参考框架。
MultiMedQA、MMLU (医疗子集)、X-CrossEval
XLingEval 是评测安全领域的开源项目，由 claws-lab 开发，2023 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 235。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。Apache-2.0 许可证，代码和资源免费获取，无付费版本。
它主要面向的使用场景是：研究LLM在多语言医疗场景下的性能差异，指导模型优化。同类可对比的替代方案包括 MultiMedQA、MMLU (医疗子集)、X-CrossEval。
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···
