Le framework le plus complet pour évaluer un agent de bout en bout : tâches, solveurs, outils, exécution en conteneur, notation.
Le README annonce plus de 200 évaluations prêtes à l'emploi, publiées dans le dépôt compagnon UKGovernmentBEIS/inspect_evals.
À utiliser pour mesurer si un skill ou un changement de harness améliore réellement le taux de réussite.
Limites : courbe d'apprentissage réelle ; pour des tests de prompts simples, promptfoo est plus rapide à mettre en place.
Licence MIT. 3 011 étoiles et dernier push le 2026-10-15 (au 2026-10-15).
UKGovernmentBEIS/inspect_ai
Inspect, le framework d'évaluation de LLM et d'agents de l'UK AI Security Institute (outils, multi-tours, notation par modèle, bacs à sable).