DeepEval - Pengujian unit untuk LLM

• Filosofi dasarnya adalah "Pytest for LLM"
• Untuk beralih ke produksi, menyediakan cara yang Pythonic untuk menjalankan evaluasi offline terhadap pipeline LLM
• Memungkinkan penulisan pengujian untuk aplikasi LLM (seperti RAG) layaknya menulis unit test Python
• Melalui assert_llm_output, jawaban dievaluasi dengan metrik seperti entailment / exact / bertscore
• Juga memungkinkan pengaturan metrik kustom serta modifikasi metrik yang sudah ada