MGDebugger
像调试传统代码一样调试大模型，快速定位推理错误根因。
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 2026-08-09 · 当前星标 ★ 102
核心亮点
- 提供从 token 到注意力头的多层级调试视角，定位问题更精准
- 基于 ICSE 论文方法，具备学术严谨性和创新性
- Python 接口简洁，易于嵌入现有模型推理流程
不足之处
- 早期项目，文档和社区支持待观察
- 仅支持 Python 生态，可能不覆盖其他语言模型框架
适用场景
- 大模型微调时分析输出异常原因
- 提示工程中调试复杂推理链错误
- 研究模型内部机制时进行细粒度行为分析
替代项目
Langfuse、PromptWatch、OpenLIT
同类项目推荐
RAMPART
开源
用 pytest 给 AI 智能体做安全体检，上线前跑一遍
A pytest-native safety and security testing framework for agentic AI applications
search-arena
开源
量化分析搜索增强大模型，看清能力边界
⚔️ [ICLR 2026] Official code of "Search Arena: Analyzing Search-Augmented LLMs".
lmms-eval
开源
一套工具搞定文本/图像/视频/音频模型评测，结果可复现
One-for-All Multimodal Evaluation Toolkit Across Text, Image, Video, and Audio Tasks
every_eval_ever
开源
把散落各处的 AI 评测结果统一成可比较的公共数据库
Every Eval Ever is a shared schema and crowdsourced eval database. It defines a stan···
evals
开源
给 AI Agent 做统一考试，改一版测一版
A comprehensive evaluation framework for AI agents and LLM applications.
anonymeter
开源
合成数据上线前，用 GDPR 视角量化隐私泄露风险
A Unified Framework for Quantifying Privacy Risk in Synthetic Data according to the ···
rag-arena
开源
让用户投票，选出最好的 RAG 系统
Open-source RAG evaluation through users' feedback
common_metrics_on_video_quality
开源
一键计算视频生成质量指标，快速对比模型效果
You can easily calculate FVD, PSNR, SSIM, LPIPS for evaluating the quality of genera···
llm-coding-benchmark
开源
自动跑编码题，横向比出哪个大模型写代码更强
Simple benchmark to test the most popular open source and commercial LLMs with autom···