DeepEval - LLM के लिए यूनिट टेस्टिंग

• इसकी मूल दर्शनशैली Pytest for LLM है
• प्रोडक्शन में ले जाने के लिए, यह LLM पाइपलाइन के लिए offline evaluation चलाने का एक Pythonic तरीका देता है
• Python unit test लिखने की तरह LLM applications (RAG जैसे) के लिए टेस्ट लिखे जा सकते हैं
• assert_llm_output के ज़रिए entailment / exact / bertscore जैसे metrics से उत्तरों का मूल्यांकन किया जा सकता है
• custom metrics सेट करना और मौजूदा metrics को संशोधित करना भी संभव है