
mt-rag-benchmark
多轮对话下测 RAG,暴露单轮评测看不到的短板
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-02 · 当前星标 ★ 159
核心亮点
- 专注多轮对话场景,弥补主流 RAG 基准多为单轮的空白
- 提供可运行的评测脚本与指标,能直接复现和对比不同 RAG 方案
- 支持对检索与生成环节分别诊断,便于定位多轮下的具体失效点
不足之处
- 项目处于早期,数据集规模和覆盖领域有限
- 生态与文档较薄,缺少与主流 RAG 框架的开箱即用集成
适用场景
- RAG 系统选型时横向对比不同检索器与生成模型的多轮表现
- 团队迭代多轮对话产品时回归测试检索与回答质量
- 学术研究多轮 RAG 中上下文累积与指代消解问题
替代项目
RAGAS、BEIR
下一篇:LettuceDetect
同类项目推荐
auto_eval
开源
让机器人策略评估全自动,省时省力又客观
AutoEval: Autonomous Evaluation of Generalist Robot Manipulation Policies in the Rea···
ClawProBench
开源
在真实 OpenClaw 里反复跑 Agent,用确定性打分比出谁更稳
ClawProBench is a live-first benchmark harness for evaluating LLM agents in the Op···
awesome-cyber-ai-arsenal
开源
一站式导航AI安全攻防工具,快速定位所需资源
A curated collection of offensive, defensive and AI/LLM security tools.
agentdojo
开源
搭建 LLM 智能体攻防演练场,量化安全风险
A Dynamic Environment to Evaluate Attacks and Defenses for LLM Agents.
CipherChat
开源
用密码绕过安全护栏,测出大模型隐藏漏洞
A framework to evaluate the generalization capability of safety alignment for LLMs
awesome-hallucination-detection
开源
大模型幻觉检测论文一网打尽,快速入门不迷路
List of papers on hallucination detection in LLMs.
skill-up
开源
给 Agent 技能做体检,自动评估并迭代优化,让智能体更靠谱
Evaluate Agent Skills and environments. Evolve Skills with evidence.
mt-rag-benchmark
开源
多轮对话下测 RAG,暴露单轮评测看不到的短板
Multi-Turn RAG Benchmark
ai-eval-platform
开源
一站式评测 AI 应用,让质量看得见
开源 AI 应用评测平台,支持 RAG、AI Agent、多轮对话、LLM-as-Judge、接口评测、评测报告···