stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) 是由斯坦福大学基础模型研究中心 (CRFM) 创建的开源 Python 框架，用于对基础模型（包括大型语言模型 (LLMs) 和多模态模型）进行全面、可重复且透明的评估。