在 60 多個學術基準（如 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）上評估大型語言模型。用於模型品質基準測試、模型比較、學術結果報告或追蹤訓練進度。為 EleutherAI、HuggingFace 與主要實驗室採用的產業標準。支援 HuggingFace、vLLM…
在 60 多個學術基準（如 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）上評估大型語言模型。用於模型品質基準測試、模型比較、學術結果報告或追蹤訓練進度。為 EleutherAI、HuggingFace 與主要實驗室採用的產業標準。支援 HuggingFace、vLLM 與基...
本頁屬於 OpenClaw Skills 學習體系，涵蓋技能安裝、分類導覽與實戰連結。