nemo-evaluator-sdk
द्वारा firecrawl
100 से अधिक बेंचमार्कों और 18 से अधिक हार्नेसों (MMLU, HumanEval, GSM8K, सुरक्षा, VLM) में मल्टी-बैकएंड निष्पादन के साथ LLMs का मूल्यांकन करता है। स्केलेबल की आवश्यकता होने पर उपयोग करें…
npx skills add https://github.com/firecrawl/ai-research-skills --skill nemo-evaluator-sdk