Inspect
由英国AI安全研究所（UK AI Safety Institute）主导开发的开源大语言模型评估框架，围绕数据集、求解逻辑与评分机制三条主线，将评测流程拆解为结构化、可组合、可复用的工作流，尤其强调安全性评估场景和Agent行为测试的可组合性
时间轴 (近 90 天)
Inspect 围绕数据集、求解逻辑与评分机制这三条主线，把评测流程拆解成模块
可组合评估架构的核心价值在于将环境模拟、轨迹记录与评分逻辑解耦，使团队能针对不同 agent 任务灵活组装评估流水线
开源评估框架带来可复现性与透明度，因为评估逻辑、数据处理和评分标准以代码形式公开
Inspect 是一个开源的大语言模型评估框架，目标是为 LLM 的能力评测提供通用基础设施
Inspect 在设计上尤为强调安全性评估场景和 agent 行为测试的可组合性
Ramp的Inspect已累计上百万次会话，75%的PR由它构建，过去一个月有1000个PR是非工程师提交的
Ramp自研了编码agent Inspect，跑在Slack里，5秒内响应，并能返回可交互的部署预览
全部知识事实 (7)
Inspect 围绕数据集、求解逻辑与评分机制这三条主线，把评测流程拆解成模块
50%待验证可组合评估架构的核心价值在于将环境模拟、轨迹记录与评分逻辑解耦，使团队能针对不同 agent 任务灵活组装评估流水线
50%待验证开源评估框架带来可复现性与透明度，因为评估逻辑、数据处理和评分标准以代码形式公开
50%待验证Inspect 是一个开源的大语言模型评估框架，目标是为 LLM 的能力评测提供通用基础设施
50%待验证Inspect 在设计上尤为强调安全性评估场景和 agent 行为测试的可组合性
50%待验证Ramp的Inspect已累计上百万次会话，75%的PR由它构建，过去一个月有1000个PR是非工程师提交的
50%待验证Ramp自研了编码agent Inspect，跑在Slack里，5秒内响应，并能返回可交互的部署预览
50%