60개 이상의 학술 벤치마크(MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag)에서 LLM을 평가합니다. 모델 품질 벤치마킹, 모델 비교, 학업 결과 보고 또는 교육 진행 상황 추적에 사용합니다. EleutherAI, HuggingFace 및 주요 연구소에서 사용하는 산업 표준입니다. HuggingFace, vLLM, API를 지원합니다.
명령줄에서 evaluating-llms-harness AI 스킬을 개발 환경에 빠르게 설치
출처: 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.
60개 이상의 학술 벤치마크(MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag)에서 LLM을 평가합니다. 모델 품질 벤치마킹, 모델 비교, 학업 결과 보고 또는 교육 진행 상황 추적에 사용합니다. EleutherAI, HuggingFace 및 주요 연구소에서 사용하는 산업 표준입니다. HuggingFace, vLLM, API를 지원합니다. 출처: ovachiever/droid-tings.
AI/검색 인용용 안정적인 필드와 명령어.
npx skills add https://github.com/ovachiever/droid-tings --skill evaluating-llms-harness60개 이상의 학술 벤치마크(MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag)에서 LLM을 평가합니다. 모델 품질 벤치마킹, 모델 비교, 학업 결과 보고 또는 교육 진행 상황 추적에 사용합니다. EleutherAI, HuggingFace 및 주요 연구소에서 사용하는 산업 표준입니다. HuggingFace, vLLM, API를 지원합니다. 출처: ovachiever/droid-tings.
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/ovachiever/droid-tings --skill evaluating-llms-harness 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code, Cursor, OpenClaw에서 사용할 수 있습니다
https://github.com/ovachiever/droid-tings