nemo-evaluator-sdk
oleh firecrawl
Mengevaluasi LLM di lebih dari 100 tolok ukur dari 18+ kerangka kerja (MMLU, HumanEval, GSM8K, keamanan, VLM) dengan eksekusi multi-backend. Gunakan saat membutuhkan skalabel…
npx skills add https://github.com/firecrawl/ai-research-skills --skill nemo-evaluator-sdk