Evalúa LLM en más de 60 puntos de referencia académicos (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Úselo para evaluar la calidad del modelo, comparar modelos, informar resultados académicos o realizar un seguimiento del progreso de la capacitación. Estándar de la industria utilizado por EleutherAI, HuggingFace y los principales laboratorios. Admite HuggingFace, vLLM y API.
Instala rápidamente el skill de IA evaluating-llms-harness en tu entorno de desarrollo mediante línea de comandos
Fuente: 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.
Evalúa LLM en más de 60 puntos de referencia académicos (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Úselo para evaluar la calidad del modelo, comparar modelos, informar resultados académicos o realizar un seguimiento del progreso de la capacitación. Estándar de la industria utilizado por EleutherAI, HuggingFace y los principales laboratorios. Admite HuggingFace, vLLM y API. Fuente: ovachiever/droid-tings.
Campos y comandos estables para citas de IA/búsqueda.
npx skills add https://github.com/ovachiever/droid-tings --skill evaluating-llms-harnessEvalúa LLM en más de 60 puntos de referencia académicos (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Úselo para evaluar la calidad del modelo, comparar modelos, informar resultados académicos o realizar un seguimiento del progreso de la capacitación. Estándar de la industria utilizado por EleutherAI, HuggingFace y los principales laboratorios. Admite HuggingFace, vLLM y API. Fuente: ovachiever/droid-tings.
Abre tu terminal o herramienta de línea de comandos (Terminal, iTerm, Windows Terminal, etc.) Copia y ejecuta este comando: npx skills add https://github.com/ovachiever/droid-tings --skill evaluating-llms-harness Una vez instalado, el skill se configurará automáticamente en tu entorno de programación con IA y estará listo para usar en Claude Code, Cursor u OpenClaw
https://github.com/ovachiever/droid-tings