vamsi513 开源 EvalForge：LLM 评估平台附真实 judge 基准与隐私探针研究

vamsi513 在 GitHub 发布 EvalForge，一个基于 FastAPI、Next.js 16 和 SQLAlchemy 的 LLM 评估平台，提供 5 信号确定性评分、OpenAI/Anthropic/Mistral/Ollama judge 适配、实验排行榜、发布门禁与异步任务，已部署在 AWS EC2 和 Vercel 并附在线 demo。60 例 judge 基准显示三种 judge 的平均分数在 n=60 下无统计差异，本地 qwen2.5:7b-instruct 与 OpenAI 通过率一致度 93.3%、Cohen's kappa 0.859。