SKILL
evaluation-nemo-evaluator
跨 18+ 个测试框架的 100+ 个基准（MMLU、HumanEval、GSM8K、安全性、VLM）评估 LLM，支持多后端执行。在需要于本地 Docker、Slurm HPC 或云平台上进行可扩展评估时使用。NVIDIA 的企业级平台，采用容器优先架构实现可复现的基准测试。
机器翻译查看英文原文
Evaluates LLMs across 100+ benchmarks from 18+ harnesses (MMLU, HumanEval, GSM8K, safety, VLM) with multi-backend execution. Use when needing scalable evaluation on local Docker, Slurm HPC, or cloud platforms. NVIDIA's enterprise-grade platform with container-first architecture for reproducible benchmarking.
适用对象：学习与科研。自动收录 · 待核查。
在 Claude Code 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗