nemo-evaluator-sdk
tarafından firecrawl
100'den fazla kıyaslama ve 18'den fazla test ortamı (MMLU, HumanEval, GSM8K, güvenlik, VLM) üzerinden LLM'leri çoklu arka uç yürütme ile değerlendirir. Ölçeklenebilir bir değerlendirmeye ihtiyaç duyduğunuzda kullanın.
npx skills add https://github.com/firecrawl/ai-research-skills --skill nemo-evaluator-sdk