Skip to main content
Ejecuta cualquier Skill en Manus
con un clic

evaluating-llms-harness

Estrellas0
Forks0
Actualizado9 de febrero de 2026 a las 13:31

Evaluates LLMs across 60+ academic benchmarks (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use when benchmarking model quality, comparing models, reporting academic results, or tracking training progress. Industry standard used by EleutherAI, HuggingFace, and major labs. Supports HuggingFace, vLLM, APIs.

Instalación

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Explorador de archivos
6 archivos
SKILL.md
readonly