evaluating-llms-harness

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 Eleu…

core - 许可证明确许可证 MIT需人工复核1356 Stars更新 2026-05-26

A许可证宽松许可证，通常可商用
C维护半年内更新过
C安全命中需复核规则

仓库: OpenRaiser/NanoResearch
目录: skills/vendor-ai-research/lm-evaluation-harness
质量分: 72.00
安全规则命中: 1 项，使用前请阅读 SKILL.md

打开 Skill 目录查看 SKILL.md 原文在目录中搜索

安装到你的 Agent

命令默认装到 ~/.claude/skills/（Claude Code 全局目录）。Codex / Cursor 等其他 Agent 请换成它们各自的 skills 目录；只对当前项目生效时改成 .claude/skills/。运行前请先看一眼下面的安全体检。

只装 SKILL.md（最快）

mkdir -p ~/.claude/skills/evaluating-llms-harness && curl -fsSL https://raw.githubusercontent.com/OpenRaiser/NanoResearch/7144364564cc2a9fe22e49fbff94eca058b5a75b/skills/vendor-ai-research/lm-evaluation-harness/SKILL.md -o ~/.claude/skills/evaluating-llms-harness/SKILL.md

连同附件一起装（推荐）

git clone --depth 1 --filter=blob:none --sparse https://github.com/OpenRaiser/NanoResearch /tmp/evaluating-llms-harness-src && git -C /tmp/evaluating-llms-harness-src sparse-checkout set skills/vendor-ai-research/lm-evaluation-harness && cp -r /tmp/evaluating-llms-harness-src/skills/vendor-ai-research/lm-evaluation-harness ~/.claude/skills/evaluating-llms-harness

在本页阅读 SKILL.md

原文实时取自 GitHub（按提交哈希锁定的版本）。命中安全规则的行会被标红，并附中文解释。

安全体检报告

需人工复核命中 1 条安全规则，许可证判定：宽松许可证。

执行代码会在你的机器上运行脚本或命令。code_execution

评估基于对公开 SKILL.md 的自动扫描，不替代人工审阅，也不构成法律建议。

本站只保存元数据与外链，不转存 SKILL.md 正文。引用或商用前请自行确认上游许可证与权限边界。数据快照来自公开仓库，可能滞后于上游。