界面已本地化;技能原文保持作者语言。部分长说明页面以英语提供。
探索技能
效率与协作 · SKILL.md

evaluating-llms-harness

evaluating-llms-harness

【效率与协作】Evaluates LLMs across 60+ academic benchmarks (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use when benchmarking model quality, comparing models, reporting academic results, or tracking training progress. Industry standard used by EleutherAI, HuggingFace, and major labs. Supports HuggingFace, vLLM, APIs.

独立 GitHub 快照 · 自动分类 · 以原作者文档为准

技能说明

GitHub
正在从源仓库读取说明…
我的收藏