Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Évaluer un LLM sur plus de 60 benchmarks académiques v1.0.0

Utilisez cette ressource pour mesurer la qualité d'un modèle sur des benchmarks académiques standards et comparer des modèles

Nouveau

  • 494 téléchargements
  • 170 mentions J'aime
  • 211 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install llm-benchmark-evaluation-harness-2

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent vous guide pour installer lm-eval, lancer une évaluation sur MMLU, GSM8K ou HellaSwag, suivre la progression pendant l'entraînement et comparer plusieurs modèles. Il fonctionne avec Hugging Face, vLLM et des API.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Évaluer un LLM sur plus de 60 benchmarks académiques »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : installation, évaluation standard et suivi d'entraînement
  • references/benchmark-guide.md, custom-tasks.md, api-evaluation.md et distributed-eval.md : guide des benchmarks, tâches personnalisées, évaluation par API et distribuée

Pour qui

  • Vous voulez comparer la qualité de deux modèles de façon standard
  • Vous publiez des résultats académiques reproductibles

Pas pour qui

    Étiquettes

    • évaluation
    • benchmarks
    • mmlu
    • comparaison

    À propos

    Vous dites

    « Évalue Llama 2 7B sur MMLU, GSM8K et HellaSwag, puis compare avec mon modèle affiné. »

    Carte de la skill « Évaluer un LLM sur plus de 60 benchmarks académiques »

    Skill publiée par Orchestra Research sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de mesurer la qualité d'un modèle sur des benchmarks académiques standards et comparer des modèles
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • references/api-evaluation.md11,3 Ko
    • references/benchmark-guide.md11 Ko
    • references/custom-tasks.md13,4 Ko
    • references/distributed-eval.md11,7 Ko
    • SKILL.md12,1 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    Orchestra Research
    Source
    github.com/orchestra-research/ai-research-skills/tree/773a52944ba4747a18bd4ae9ade53fff041adcbc/11-evaluation/lm-evaluation-harness
    Licence
    MIT

    Notice

    « evaluating-llms-harness » (Orchestra Research, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.