RepoAlerts

parallel-web/parallel-search-evals

¿Es de fiar?

Conviene mirarlo con calma antes de usarlo.

  • Avisos Revisa

    Muy nuevo: se creó ayer. Espera un poco antes de instalarlo.

  • Estrellas de cuentas reales Sin datos

    Todavía no hemos comprobado si sus estrellas son falsas.

  • Activo Bien

    Último cambio hoy.

  • Licencia Bien

    MIT: puedes usarlo gratis, también en un producto comercial. Conserva el aviso de licencia.

Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.

Qué es

Arnés en Python para evaluar modelos de lenguaje con las herramientas Search y Extract de Parallel frente a una línea base sin búsqueda, usando los benchmarks DeepSearchQA y Humanity's Last Exam con un juez de OpenAI. Las ejecuciones se lanzan desde una CLI, un modelo, un…

Para quién es

Investigadores y desarrolladores que evalúan LLM con herramientas de búsqueda web en DeepSearchQA o HLE

Cómo usarlo

Instalación

uv sync --frozen --python 3.12

Sacado de su README. Compruébalo allí antes de ejecutarlo.

Pide a tu IA que lo instale

Pega esto en Claude, ChatGPT o tu asistente de programación.

Ayúdame a instalar y configurar parallel-web/parallel-search-evals en mi proyecto. Sigue su README: https://github.com/parallel-web/parallel-search-evals. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.

Curva de estrellas

34De 0 a 34 estrellas entre el 17 nov 2026 y el 18 nov 2026.

Recibe alertas de repos como este

Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.

Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad

Para quien mantiene el repo

Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.

[![parallel-web/parallel-search-evals on RepoAlerts](https://repoalerts.com/badge/parallel-web/parallel-search-evals.svg)](https://repoalerts.com/repo/parallel-web/parallel-search-evals?ref=badge)
Compartir en X

  • awslabs/ai-eval-studio

    Plataforma prototipo de evaluación de LLM de extremo a extremo. Subes un conjunto de datos en CSV o Excel, describes tu objetivo en un chat con un agente coordinador y el sistema ejecuta evaluaciones

    AppModelos e inferenciaPython · 395 estrellas · +385 esta semana · 22 días

  • antins-labs/VisSearch-Bench-v1

    Un benchmark de 204 tareas redactadas por personas para evaluar cómo los agentes multimodales mantienen el seguimiento de la evidencia visual en secuencias largas de búsqueda visual. Incluye el cargad

    RecursoModelos e inferenciaPython · 165 estrellas · +57 esta semana · 15 días

  • apple-aiml-research/ml-rsi-inference-bench

    Un banco de pruebas de horizonte largo para agentes de programación que mejoran la pila de inferencia de modelos de lenguaje grandes en vLLM o SGLang. Las tareas abarcan dar soporte a un modelo el día

    Agentes de IAPython · 168 estrellas · +16 esta semana · 33 días

  • phonny40rowle/rag-search

    Un servicio FastAPI autoalojado para búsqueda aumentada con recuperación. Combina búsqueda web mediante Serper, extracción de contenido, embeddings almacenados en Zilliz y generación de respuestas a t

    AppModelos e inferenciaPython · 51 estrellas · 13 días

  • Prophetlab/Investor-Last-Exam

    Un banco de pruebas para evaluar agentes de IA en la investigación de inversiones en renta variable, mediante un corpus congelado en el tiempo que solo muestra la información disponible en una fecha h

    RecursoAgentes de IAPython · 145 estrellas · 21 días

  • garrytan/g-harness-evals

    Un benchmark que compara arneses de agentes de IA (el prompt de sistema, las herramientas y la memoria que envuelven a un modelo) con el mismo modelo y las mismas tareas, midiendo tasa de éxito, coste

    RecursoAgentes de IAPython · 158 estrellas · +114 esta semana · 12 días