stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) は、大規模言語モデル (LLM) やマルチモーダルモデルなどの基盤モデルを包括的、再現可能かつ透明に評価するために、Stanford の Center for Research on Foundation Models (CRFM) が開発したオープンソースの Python フレームワークです。