软件下载帮助文档新闻资讯

Skill UI

浏览并发现 19740+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索 MMLU ，共找到 3 条记录

默认排序最新上传最多下载

LLM 评估框架

evaluating-llms-harness

Orchestra-Research/AI-Research-SKILLs

提供涵盖 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag 等 60+ 学术基准测试的标准化评估流程，可用来对 HuggingFace、vLLM 或 API 模型打分、比对性能、跟踪训练进度。

大语言模型评估工具

evaluation-lm-evaluation-harness

davila7/claude-code-templates

该工具用于评估大语言模型在 60 多个学术基准测试上的表现，涵盖 MMLU、GSM8K 和 HumanEval 等任务。它是业界标准，适用于模型质量基准测试、模型比较、学术结果报告及训练进度追踪。支持 HuggingFace、vLLM 和 API，适合研究人员和开发者验证 AI 性能。

NeMo大模型评估工具

evaluation-nemo-evaluator

davila7/claude-code-templates

用于在本地 Docker、Slurm HPC 或云平台上对大语言模型进行可复现的多基准评估，支持 MMLU、HumanEval、GSM8K 等 100+ 基准。

1

语言