nemo-evaluator-sdk
от firecrawl
Оценивает LLM по 100+ бенчмаркам из 18+ обвязок (MMLU, HumanEval, GSM8K, safety, VLM) с многобэкендным выполнением. Используйте, когда требуется масштабируемое…
npx skills add https://github.com/firecrawl/ai-research-skills --skill nemo-evaluator-sdk