AI മോഡലുകൾ വിലയിരുത്താനുള്ള ഉപകരണങ്ങളും ബെഞ്ച്മാർക്കുകളും.
ഉറവിടം LLM/മൾട്ടിമോഡൽ ബെഞ്ച്മാർക്ക് മൂല്യനിർണ്ണയം, ഡോക്യുമെൻ്റേഷൻ, പുനരുൽപ്പാദിപ്പിക്കാവുന്ന വികസന വർക്ക്ഫ്ലോകൾ എന്നിവ നൽകുന്നു.
- രേഖപ്പെടുത്തിയ വെബ്സൈറ്റ് ഭാഷകൾ
- English
ഔദ്യോഗിക ഉറവിടങ്ങൾ: github.com
