NeMo Evaluator SDK

跨 100+ 基准（来自 18+ harness，含 MMLU、HumanEval、GSM8K、安全、VLM）多后端执行评估 LLM。需在本地 Docker、Slurm HPC、或云平台可扩展评估时使用。NVIDIA 企业级平台，容器优先架构做可复现基准。