Inicio Proyectos lmms-eval
lmms-eval
Python

lmms-eval

Kit de evaluación multimodal One-for-All a través de tareas de texto, imagen, video y audio

por EvolvingLMMs-Lab · GitHub
Estrellas
Ramas
Tendencias
Creado
Último commit
Categoría
Lenguaje
agiaudio-evaluationbenchmarkPython
Ver en GitHub
En palabras simples

Evalúa modelos de IA a través de diferentes tipos de contenido como texto, imágenes y audio utilizando un kit de herramientas integral.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
lmms-eval — GitHub preview card
📈 Historial de estrellas
4.4k4.3k
2026-07-072026-08-31
📈 Sigue lmms-eval

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Kit de evaluación multimodal One-for-All a través de tareas de texto, imagen, video y audio

lmms-eval tiene 4.4k estrellas en GitHub. Se ha bifurcado 648 veces. lmms-eval está escrito principalmente en Python. Se desarrolla activamente desde 2024. Sus temas principales son: agi, audio-evaluation, benchmark, evaluation.

Frequently asked questions

¿Qué es lmms-eval?

Kit de evaluación multimodal One-for-All a través de tareas de texto, imagen, video y audio

¿lmms-eval es de código abierto?

lmms-eval es un proyecto de código abierto.

¿lmms-eval es gratis?

Sí. lmms-eval es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito lmms-eval?

lmms-eval está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — lmms-eval

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=evolvinglmms-lab-lmms-eval)](https://olud.ai/project/evolvinglmms-lab-lmms-eval.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.