يقيم LLMs عبر أكثر من 60 معيارًا أكاديميًا (MMLU، وHumanEval، وGSM8K، وTruthfulQA، وHellaSwag). يُستخدم عند قياس جودة النموذج، أو مقارنة النماذج، أو الإبلاغ عن النتائج الأكاديمية، أو تتبع تقدم التدريب. معيار الصناعة الذي تستخدمه EleutherAI وHuggingFace والمختبرات الكبرى. يدعم HuggingFace، vLLM، واجهات برمجة التطبيقات.
ثبّت مهارة الذكاء الاصطناعي evaluating-llms-harness بسرعة في بيئة التطوير لديك عبر سطر الأوامر
المصدر: ovachiever/droid-tings.
lm-evaluation-harness evaluates LLMs across 60+ academic benchmarks using standardized prompts and metrics.
Benchmark descriptions: See references/benchmark-guide.md for detailed description of all 60+ tasks, what they measure, and interpretation.
Custom tasks: See references/custom-tasks.md for creating domain-specific evaluation tasks.
يقيم LLMs عبر أكثر من 60 معيارًا أكاديميًا (MMLU، وHumanEval، وGSM8K، وTruthfulQA، وHellaSwag). يُستخدم عند قياس جودة النموذج، أو مقارنة النماذج، أو الإبلاغ عن النتائج الأكاديمية، أو تتبع تقدم التدريب. معيار الصناعة الذي تستخدمه EleutherAI وHuggingFace والمختبرات الكبرى. يدعم HuggingFace، vLLM، واجهات برمجة التطبيقات. المصدر: ovachiever/droid-tings.
حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.
npx skills add https://github.com/ovachiever/droid-tings --skill evaluating-llms-harnessيقيم LLMs عبر أكثر من 60 معيارًا أكاديميًا (MMLU، وHumanEval، وGSM8K، وTruthfulQA، وHellaSwag). يُستخدم عند قياس جودة النموذج، أو مقارنة النماذج، أو الإبلاغ عن النتائج الأكاديمية، أو تتبع تقدم التدريب. معيار الصناعة الذي تستخدمه EleutherAI وHuggingFace والمختبرات الكبرى. يدعم HuggingFace، vLLM، واجهات برمجة التطبيقات. المصدر: ovachiever/droid-tings.
افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/ovachiever/droid-tings --skill evaluating-llms-harness بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw
https://github.com/ovachiever/droid-tings