Ai2 / Allen Institute for AI·2026-06-12 16:00· 2026-06-12AI 评分45

Ai2 发布 olmo-eval：面向 LLM 开发循环的评估工作台

olmo-eval: An evaluation workbench for the model development loop

AI 导读

Ai2 推出基于 OLMES 标准的 olmo-eval 评估工作台，专为 LLM 开发中的频繁迭代设计。该工具支持智能体与多轮评估，允许按需选择轻量直接运行或容器隔离环境，并提供逐题对比分析以区分真实改进与噪声。