nemo-evaluator-sdk
por firecrawl
Evalúa LLMs en más de 100 benchmarks de más de 18 harnesses (MMLU, HumanEval, GSM8K, safety, VLM) con ejecución multi-backend. Úsalo cuando necesites escalable…
npx skills add https://github.com/firecrawl/ai-research-skills --skill nemo-evaluator-sdk