nemo-evaluator-sdk
โดย firecrawl
ประเมิน LLMs ผ่านเกณฑ์มาตรฐานมากกว่า 100 รายการจาก 18+ harnesses (MMLU, HumanEval, GSM8K, safety, VLM) พร้อมการทำงานแบบ multi-backend ใช้เมื่อต้องการปรับขนาดได้...
npx skills add https://github.com/firecrawl/ai-research-skills --skill nemo-evaluator-sdk