AI工具箱 #开发工具#开源AI工具#模型评测 LM Evaluation Harness - 用统一任务比较语言模型表现 EleutherAI 的评测框架用统一的任务定义和指标衡量语言模型。适合在更换模型、量化方案或推理后端时,复现同一组测试并解释结果差异。 2026-11-18 4 阅读