描述
Evaluates LLMs across 60+ academic benchmarks (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use when benchmarking model quality, comparing models, reporting…
研究学习 / 检索整理
evaluating-llms-harness
evaluating-llms-harness
安装量 200GitHub Stars 8,475更新时间 2026年5月16日
安全审计
使用前的风险提示
规则审计
未审计更新 1年1月1日
智能审计
未审计更新 1年1月1日
uillmpromptevaluatingllmsharnessevaluatesacrossacademicbenchmarksmmluhumaneval