描述
Evaluates LLMs across 60+ academic benchmarks (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use when benchmarking model quality, comparing models, reporting…
通用助手 / 编排推荐
evaluating-llms-harness
evaluating-llms-harness
安装量 380GitHub Stars 27,318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