stanford-crfm/helm

Holistic Evaluation of Language Models (HELM) 是由史丹佛大學基礎模型研究中心 (CRFM) 建立的開源 Python 框架，用於對基礎模型（包括大型語言模型 (LLMs) 和多模態模型）進行全面、可重複且透明的評估。