Используйте при оценке LLM, выполнении тестов, таких как MMLU/HumanEval/GSM8K, настройке конвейеров оценки или вопросах о «NeMo Evaluator», «LLM-тестировании», «оценке модели», «MMLU», «HumanEval», «GSM8K», «системах эталонного тестирования».
Быстро установите AI-навык nemo-evaluator в вашу среду разработки через командную строку
Источник: eyadsibai/ltk.
NeMo Evaluator SDK evaluates LLMs across 100+ benchmarks from 18+ harnesses using containerized, reproducible evaluation with multi-backend execution (local Docker, Slurm HPC, Lepton cloud).
| lm-evaluation-harness | 60+ | MMLU, GSM8K, HellaSwag, ARC | | simple-evals | 20+ | GPQA, MATH, AIME | | bigcode-evaluation-harness | 25+ | HumanEval, MBPP, MultiPL-E | | safety-harness | 3 | Aegis, WildGuard | | vlmevalkit | 6+ | OCRBench, ChartQA, MMMU | | bfcl | 6 | Function calling v2/v3 |
| run | Execute evaluation with config | | status | Check job status | | ls tasks | List available benchmarks | | ls runs | List all invocations | | export | Export results (mlflow/wandb/local) | | kill | Terminate running job |
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/eyadsibai/ltk --skill nemo-evaluatorИспользуйте при оценке LLM, выполнении тестов, таких как MMLU/HumanEval/GSM8K, настройке конвейеров оценки или вопросах о «NeMo Evaluator», «LLM-тестировании», «оценке модели», «MMLU», «HumanEval», «GSM8K», «системах эталонного тестирования». Источник: eyadsibai/ltk.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/eyadsibai/ltk --skill nemo-evaluator После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/eyadsibai/ltk