用统一评测框架运行语言模型任务与结果统计。
AI 根据项目 README 整理，以原文为准
安装评测包与所需模型后端，选择任务和配置后执行。
适用场景：适合复用统一任务定义比较语言模型表现。 选型提示：需要模型访问与算力；结果取决于任务、提示与运行配置。
部署难度：安装评测包与所需模型后端，选择任务和配置后执行。
