用途：为 LLM 生产系统提供系统化的质量度量与改进方案，覆盖评估框架、基准测试与质量指标。
主要能力：支持基于 RAGAS 的基础评估，使用 faithfulness、answer_relevancy、context_precision、context_recall 等指标；支持 LangChain 的 criteria 评估；提供 BLEU、ROUGE、BERTScore 等文本生成指标；实现 RAG 专属的忠实度、相关性与上下文精确度；内置幻觉检测（对照来源与自一致性检查）；提供 MMLU、HumanEval 等基准套件；附带 A/B 测试、统计显著性与指标速查表。
使用方式：通过 datasets 构造评估数据后调用 evaluate；用 load_evaluator("criteria", criteria="helpfulness") 做准则评估；用 evaluate.load 加载 BLEU/ROUGE/BERTScore 计算；基准测试中加载 cais/mmlu 或 human_eval，比较预测与答案并统计 pass@1；评估器可用 EvaluationConfig 配置指标、样本量与置信水平，并可注册自定义指标。
适用场景：RAG 系统质量评估、翻译与摘要指标计算、代码生成正确性评测、模型 A/B 对比、幻觉检测、基准跑分与长期质量跟踪。
限制：资料未提供具体安装命令、依赖版本、收费与价格信息；示例多为框架代码，实际运行需自备模型、tokenizer、LLM 接口与数据集；部分指标依赖英文设定，且需注意采样量、温度设置与统计显著性。建议使用多指标、人工评估、领域定制指标、定期基准测试与版本管理。