DeepEval - Kiểm thử đơn vị cho LLM

• Triết lý cốt lõi là "Pytest for LLM"
• Để chuyển sang production, cung cấp một cách đậm chất Python để chạy đánh giá offline cho pipeline LLM
• Có thể viết bài kiểm thử cho ứng dụng LLM (như RAG) giống như cách viết unit test Python
• Thông qua assert_llm_output, đánh giá câu trả lời bằng các metric như entailment / exact / bertscore
• Cũng có thể thiết lập metric tùy chỉnh và chỉnh sửa các metric hiện có