🛠️ Hugging Face Community Evals
Hugging Face Hubで公開されているAIモデルの性能
📺 まず動画で見る(YouTube)
▶ 【衝撃】最強のAIエージェント「Claude Code」の最新機能・使い方・プログラミングをAIで効率化する超実践術を解説! ↗
※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。
📜 元の英語説明(参考)
Run local evaluations for Hugging Face Hub models with inspect-ai or lighteval.
🇯🇵 日本人クリエイター向け解説
Hugging Face Hubで公開されているAIモデルの性能
※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。
下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o hugging-face-community-evals.zip https://jpskill.com/download/2987.zip && unzip -o hugging-face-community-evals.zip && rm hugging-face-community-evals.zip
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/2987.zip -OutFile "$d\hugging-face-community-evals.zip"; Expand-Archive "$d\hugging-face-community-evals.zip" -DestinationPath $d -Force; ri "$d\hugging-face-community-evals.zip"
完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。
💾 手動でダウンロードしたい(コマンドが難しい人向け)
- 1. 下の青いボタンを押して
hugging-face-community-evals.zipをダウンロード - 2. ZIPファイルをダブルクリックで解凍 →
hugging-face-community-evalsフォルダができる - 3. そのフォルダを
C:\Users\あなたの名前\.claude\skills\(Win)または~/.claude/skills/(Mac)へ移動 - 4. Claude Code を再起動
⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。
🎯 このSkillでできること
下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。
📦 インストール方法 (3ステップ)
- 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
- 3. 展開してできたフォルダを、ホームフォルダの
.claude/skills/に置く- · macOS / Linux:
~/.claude/skills/ - · Windows:
%USERPROFILE%\.claude\skills\
- · macOS / Linux:
Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。
詳しい使い方ガイドを見る →- 最終更新
- 2026-05-17
- 取得日時
- 2026-05-17
- 同梱ファイル
- 4
💬 こう話しかけるだけ — サンプルプロンプト
- › Hugging Face Community Evals を使って、最小構成のサンプルコードを示して
- › Hugging Face Community Evals の主な使い方と注意点を教えて
- › Hugging Face Community Evals を既存プロジェクトに組み込む方法を教えて
これをClaude Code に貼るだけで、このSkillが自動発動します。
📖 Skill本文(日本語訳)
※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。
[スキル名] hugging-face-community-evals
概要
使用する場面
このスキルは、Hugging Face Jobs ワークフロー外でのローカルモデル評価、バックエンド選択、および GPU スモークテストに使用します。
このスキルは、Hugging Face Hub 上のモデルに対してローカルハードウェアで評価を実行するためのものです。
以下の内容をカバーしています。
- ローカル推論による
inspect-ai - ローカル推論による
lighteval vllm、Hugging Face Transformers、およびaccelerateの選択- スモークテスト、タスク選択、およびバックエンドフォールバック戦略
以下の内容はカバーしていません。
- Hugging Face Jobs のオーケストレーション
- モデルカードまたは
model-indexの編集 - README テーブルの抽出
- Artificial Analysis のインポート
.eval_resultsの生成または公開- PR 作成またはコミュニティ評価の自動化
ユーザーが同じ評価を Hugging Face Jobs でリモート実行したい場合は、hugging-face-jobs スキルに引き継ぎ、このスキル内のローカルスクリプトのいずれかを渡してください。
ユーザーが結果をコミュニティ評価ワークフローに公開したい場合は、評価実行の生成後に停止し、その公開ステップを ~/code/community-evals に引き継いでください。
以下のすべてのパスは、この
SKILL.mdを含むディレクトリからの相対パスです。
どのスクリプトを使用するか
| ユースケース | スクリプト |
|---|---|
推論プロバイダー経由での Hub モデルに対するローカル inspect-ai 評価 |
scripts/inspect_eval_uv.py |
vllm または Transformers を使用した inspect-ai によるローカル GPU 評価 |
scripts/inspect_vllm_uv.py |
vllm または accelerate を使用した lighteval によるローカル GPU 評価 |
scripts/lighteval_vllm_uv.py |
| その他のコマンドパターン | examples/USAGE_EXAMPLES.md |
前提条件
- ローカル実行には
uv runを推奨します。 - ゲート付き/プライベートモデルの場合は
HF_TOKENを設定してください。 - ローカル GPU 実行の場合は、開始前に GPU アクセスを確認してください。
uv --version
printenv HF_TOKEN >/dev/null
nvidia-smi
nvidia-smi が利用できない場合は、以下のいずれかの方法を使用してください。
- より軽量なプロバイダーバック評価のために
scripts/inspect_eval_uv.pyを使用する、または - ユーザーがリモート計算を希望する場合は
hugging-face-jobsスキルに引き継ぐ。
コアワークフロー
- 評価フレームワークを選択します。
- 明示的なタスク制御と inspect-native フローが必要な場合は
inspect-aiを使用します。 - ベンチマークが lighteval タスク文字列として自然に表現される場合、特にリーダーボードスタイルのタスクの場合は
lightevalを使用します。
- 明示的なタスク制御と inspect-native フローが必要な場合は
- 推論バックエンドを選択します。
- サポートされているアーキテクチャでのスループットには
vllmを推奨します。 - 互換性フォールバックとして Hugging Face Transformers (
--backend hf) またはaccelerateを使用します。
- サポートされているアーキテクチャでのスループットには
- スモークテストから開始します。
inspect-ai:--limit 10などを追加します。lighteval:--max-samples 10を追加します。
- スモークテストが合格した場合にのみスケールアップします。
- ユーザーがリモート実行を希望する場合は、同じスクリプトと引数で
hugging-face-jobsに引き継ぎます。
クイックスタート
オプション A: ローカル推論プロバイダーパスでの inspect-ai
モデルがすでに Hugging Face Inference Providers でサポートされており、ローカルセットアップのオーバーヘッドを最小限に抑えたい場合に最適です。
uv run scripts/inspect_eval_uv.py \
--model meta-llama/Llama-3.2-1B \
--task mmlu \
--limit 20
このパスは、以下の場合に使用します。
- 迅速なローカルスモークテストが必要な場合
- 直接的な GPU 制御が不要な場合
- タスクがすでに
inspect-evalsに存在する場合
オプション B: ローカル GPU での inspect-ai
Hub モデルを直接ロードする必要がある場合、vllm を使用する場合、またはサポートされていないアーキテクチャのために Transformers にフォールバックする場合に最適です。
ローカル GPU:
uv run scripts/inspect_vllm_uv.py \
--model meta-llama/Llama-3.2-1B \
--task gsm8k \
--limit 20
Transformers フォールバック:
uv run scripts/inspect_vllm_uv.py \
--model microsoft/phi-2 \
--task mmlu \
--backend hf \
--trust-remote-code \
--limit 20
オプション C: ローカル GPU での lighteval
タスクが lighteval タスク文字列として自然に表現される場合、特に Open LLM Leaderboard スタイルのベンチマークに最適です。
ローカル GPU:
uv run scripts/lighteval_vllm_uv.py \
--model meta-llama/Llama-3.2-3B-Instruct \
--tasks "leaderboard|mmlu|5,leaderboard|gsm8k|5" \
--max-samples 20 \
--use-chat-template
accelerate フォールバック:
uv run scripts/lighteval_vllm_uv.py \
--model microsoft/phi-2 \
--tasks "leaderboard|mmlu|5" \
--backend accelerate \
--trust-remote-code \
--max-samples 20
リモート実行の境界
このスキルは意図的にローカル実行とバックエンド選択で停止します。
ユーザーが以下を希望する場合:
- これらのスクリプトを Hugging Face Jobs で実行する
- リモートハードウェアを選択する
- リモートジョブにシークレットを渡す
- 定期的な実行をスケジュールする
- ジョブを検査/キャンセル/監視する
その場合は、hugging-face-jobs スキルに切り替え、これらのスクリプトと選択した引数を渡してください。
タスク選択
inspect-ai の例:
mmlugsm8khellaswagarc_challengetruthfulqawinograndehumaneval
lighteval タスク文字列は suite|task|num_fewshot を使用します:
leaderboard|mmlu|5leaderboard|gsm8k|5leaderboard|arc_challenge|25lighteval|hellaswag|0
複数の lighteval タスクは --tasks でカンマ区切りで指定できます。
バックエンド選択
- サポートされているアーキテクチャでの高速 GPU 推論には
inspect_vllm_uv.py --backend vllmを推奨します。 vllmがモデルをサポートしていない場合はinspect_vllm_uv.py --backend hfを使用します。- サポートされているモデルでのスループットには
lighteval_vllm_uv.py --backend vllmを推奨します。 - 互換性フォールバックとして
lighteval_vllm_uv.py --backend accelerateを使用します。 - Inference Providers がすでにモデルをカバーしており、直接的な GPU 制御が不要な場合は
inspect_eval_uv.pyを使用します。
ハードウェアガイダンス
| モデルサイズ | 推奨されるローカルハードウェア |
|---|---|
< 3B |
消費者向け GPU / Apple Silicon / 小型開発用 GPU |
3B - 13B |
より強力なローカル GPU |
13B+ |
大容量メモリのローカル GPU または hugging-face-jobs に引き継ぎ |
スモークテストには、より安価なローカル実行と --limit または --max-samples を推奨します。
トラブルシューティング
- CUDA または vLLM OOM:
--batch-sizeを減らす--gpu-memory-utilizationを減らす- スモークテスト用に小さいモデルに切り替える
- 必要に応じて
hugging-face-jobsに引き継ぐ
vllmでモデルがサポートされていない:inspect-aiの場合は--backend hfに切り替える- s
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
Overview
When to Use
Use this skill for local model evaluation, backend selection, and GPU smoke tests outside the Hugging Face Jobs workflow.
This skill is for running evaluations against models on the Hugging Face Hub on local hardware.
It covers:
inspect-aiwith local inferencelightevalwith local inference- choosing between
vllm, Hugging Face Transformers, andaccelerate - smoke tests, task selection, and backend fallback strategy
It does not cover:
- Hugging Face Jobs orchestration
- model-card or
model-indexedits - README table extraction
- Artificial Analysis imports
.eval_resultsgeneration or publishing- PR creation or community-evals automation
If the user wants to run the same eval remotely on Hugging Face Jobs, hand off to the hugging-face-jobs skill and pass it one of the local scripts in this skill.
If the user wants to publish results into the community evals workflow, stop after generating the evaluation run and hand off that publishing step to ~/code/community-evals.
All paths below are relative to the directory containing this
SKILL.md.
When To Use Which Script
| Use case | Script |
|---|---|
Local inspect-ai eval on a Hub model via inference providers |
scripts/inspect_eval_uv.py |
Local GPU eval with inspect-ai using vllm or Transformers |
scripts/inspect_vllm_uv.py |
Local GPU eval with lighteval using vllm or accelerate |
scripts/lighteval_vllm_uv.py |
| Extra command patterns | examples/USAGE_EXAMPLES.md |
Prerequisites
- Prefer
uv runfor local execution. - Set
HF_TOKENfor gated/private models. - For local GPU runs, verify GPU access before starting:
uv --version
printenv HF_TOKEN >/dev/null
nvidia-smi
If nvidia-smi is unavailable, either:
- use
scripts/inspect_eval_uv.pyfor lighter provider-backed evaluation, or - hand off to the
hugging-face-jobsskill if the user wants remote compute.
Core Workflow
- Choose the evaluation framework.
- Use
inspect-aiwhen you want explicit task control and inspect-native flows. - Use
lightevalwhen the benchmark is naturally expressed as a lighteval task string, especially leaderboard-style tasks.
- Use
- Choose the inference backend.
- Prefer
vllmfor throughput on supported architectures. - Use Hugging Face Transformers (
--backend hf) oraccelerateas compatibility fallbacks.
- Prefer
- Start with a smoke test.
inspect-ai: add--limit 10or similar.lighteval: add--max-samples 10.
- Scale up only after the smoke test passes.
- If the user wants remote execution, hand off to
hugging-face-jobswith the same script + args.
Quick Start
Option A: inspect-ai with local inference providers path
Best when the model is already supported by Hugging Face Inference Providers and you want the lowest local setup overhead.
uv run scripts/inspect_eval_uv.py \
--model meta-llama/Llama-3.2-1B \
--task mmlu \
--limit 20
Use this path when:
- you want a quick local smoke test
- you do not need direct GPU control
- the task already exists in
inspect-evals
Option B: inspect-ai on Local GPU
Best when you need to load the Hub model directly, use vllm, or fall back to Transformers for unsupported architectures.
Local GPU:
uv run scripts/inspect_vllm_uv.py \
--model meta-llama/Llama-3.2-1B \
--task gsm8k \
--limit 20
Transformers fallback:
uv run scripts/inspect_vllm_uv.py \
--model microsoft/phi-2 \
--task mmlu \
--backend hf \
--trust-remote-code \
--limit 20
Option C: lighteval on Local GPU
Best when the task is naturally expressed as a lighteval task string, especially Open LLM Leaderboard style benchmarks.
Local GPU:
uv run scripts/lighteval_vllm_uv.py \
--model meta-llama/Llama-3.2-3B-Instruct \
--tasks "leaderboard|mmlu|5,leaderboard|gsm8k|5" \
--max-samples 20 \
--use-chat-template
accelerate fallback:
uv run scripts/lighteval_vllm_uv.py \
--model microsoft/phi-2 \
--tasks "leaderboard|mmlu|5" \
--backend accelerate \
--trust-remote-code \
--max-samples 20
Remote Execution Boundary
This skill intentionally stops at local execution and backend selection.
If the user wants to:
- run these scripts on Hugging Face Jobs
- pick remote hardware
- pass secrets to remote jobs
- schedule recurring runs
- inspect / cancel / monitor jobs
then switch to the hugging-face-jobs skill and pass it one of these scripts plus the chosen arguments.
Task Selection
inspect-ai examples:
mmlugsm8khellaswagarc_challengetruthfulqawinograndehumaneval
lighteval task strings use suite|task|num_fewshot:
leaderboard|mmlu|5leaderboard|gsm8k|5leaderboard|arc_challenge|25lighteval|hellaswag|0
Multiple lighteval tasks can be comma-separated in --tasks.
Backend Selection
- Prefer
inspect_vllm_uv.py --backend vllmfor fast GPU inference on supported architectures. - Use
inspect_vllm_uv.py --backend hfwhenvllmdoes not support the model. - Prefer
lighteval_vllm_uv.py --backend vllmfor throughput on supported models. - Use
lighteval_vllm_uv.py --backend accelerateas the compatibility fallback. - Use
inspect_eval_uv.pywhen Inference Providers already cover the model and you do not need direct GPU control.
Hardware Guidance
| Model size | Suggested local hardware |
|---|---|
< 3B |
consumer GPU / Apple Silicon / small dev GPU |
3B - 13B |
stronger local GPU |
13B+ |
high-memory local GPU or hand off to hugging-face-jobs |
For smoke tests, prefer cheaper local runs plus --limit or --max-samples.
Troubleshooting
- CUDA or vLLM OOM:
- reduce
--batch-size - reduce
--gpu-memory-utilization - switch to a smaller model for the smoke test
- if necessary, hand off to
hugging-face-jobs
- reduce
- Model unsupported by
vllm:- switch to
--backend hfforinspect-ai - switch to
--backend accelerateforlighteval
- switch to
- Gated/private repo access fails:
- verify
HF_TOKEN
- verify
- Custom model code required:
- add
--trust-remote-code
- add
Examples
See:
examples/USAGE_EXAMPLES.mdfor local command patternsscripts/inspect_eval_uv.pyscripts/inspect_vllm_uv.pyscripts/lighteval_vllm_uv.py
Limitations
- Use this skill only when the task clearly matches the scope described above.
- Do not treat the output as a substitute for environment-specific validation, testing, or expert review.
- Stop and ask for clarification if required inputs, permissions, safety boundaries, or success criteria are missing.
同梱ファイル
※ ZIPに含まれるファイル一覧。`SKILL.md` 本体に加え、参考資料・サンプル・スクリプトが入っている場合があります。
- 📄 SKILL.md (6,899 bytes)
- 📎 scripts/inspect_eval_uv.py (3,004 bytes)
- 📎 scripts/inspect_vllm_uv.py (9,119 bytes)
- 📎 scripts/lighteval_vllm_uv.py (9,204 bytes)