eva

给肿瘤AI模型打分,让对比评测不再抓瞎

eva 是一个面向肿瘤学基础模型的评估框架,旨在系统化、标准化地评测各类癌症相关AI模型(如病理图像、基因组学或临床数据模型)的性能。它解决了肿瘤学领域模型评估缺乏统一基准和可重复性的问题,提供了一套模块化的评估流程,支持数据加载、指标计算、结果可视化等功能。核心能力包括:多任务评估(分类、分割、生存分析等)、与主流深度学习框架集成、灵活扩展自定义评估指标,以及生成标准化报告。项目处于早期阶段,但设计上注重可扩展性和易用性,适合研究人员快速对比不同基础模型在肿瘤学任务上的表现。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 172
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队kaiko-ai
所属国家
定价模式free
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型evaluation-framework,foundation-models,machine-learning,oncology,pathology,radiology
GitHub 星标★ 172
30天Star增速
HF 下载量
上线时间2024-01-16 00:00:00
最近更新2026-09-11 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 专注肿瘤学场景,评估维度更贴合医学需求
  • 模块化设计,可灵活接入新模型和自定义指标
  • 提供标准化报告,便于论文复现和结果对比

不足之处

  • 项目早期,文档和社区生态尚不完善
  • 实际医学场景的验证案例较少

适用场景

  • 科研团队对比多个肿瘤基础模型的性能
  • 医学AI开发者验证模型在临床相关任务上的表现
  • 标准化肿瘤学模型评估,用于论文发表或行业基准

替代项目

MONAI、MedMNIST、TorchMetrics

项目介绍

eva 是评测安全领域的开源项目,由 kaiko-ai 开发,2024 年首次发布。

它收录于评测安全分类,该分类目前共有 466 个项目,GitHub 星标数为 172。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-11。Apache-2.0许可证,可免费使用和部署。

它主要面向的使用场景是:科研团队对比多个肿瘤基础模型的性能。同类可对比的替代方案包括 MONAI、MedMNIST、TorchMetrics。

上一篇:foundation-model-benchmarking-tool

下一篇:TAB

同类项目推荐

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,···

★ 1517 2026-08-20
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

★ 164 2026-08-10
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.

★ 2937 2026-09-12