AI & LLM Engineering · OpenAI · ai-twinkle/Eval

用 Twinkle Eval 跑一次評測——建立 config.yaml、下載或指定資料集、驗證設定、執行並讀結果。當使用者說「跑 benchmark」「跑評測」「建 config」「evaluate 這個模型」「twinkle-eval 怎麼跑」「評測結果怎麼看」「為什麼分數是 0」時使用。涵蓋 15 種 evaluationmethod 的 config 差異、27 個內建可下載…

ai-twinkle/Eval