透過多後端執行，在來自18+個測試工具（MMLU、HumanEval、GSM8K、安全性、VLM 等）的100+項基準上評估大型語言模型（LLM）。適用於需要在本地 Docker、Slurm HPC 或雲端平台上進行可擴充評估的情境。NVIDIA 的企業級平台，採用容器優先架構以實現可重現的基準測試。Eval…
透過多後端執行，在來自18+個測試工具（MMLU、HumanEval、GSM8K、安全性、VLM 等）的100+項基準上評估大型語言模型（LLM）。適用於需要在本地 Docker、Slurm HPC 或雲端平台上進行可擴充評估的情境。NVIDIA 的企業級平台，採用容器優先架構以實現可重現的基準測試。Evalua......
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。