用途：向 Hugging Face 模型仓库添加结构化评测结果，采用 .eval_results/ 格式。结果会显示在模型页面并附基准链接，分数汇总到基准数据集排行榜，社区可通过 Pull Request 贡献。注意：评测 PR 只能在 Hugging Face Hub 上创建，不能在 GitHub 仓库上创建。版本 3.0.0。
主要能力：使用 HF CLI（hf upload、hf download）进行 PR 操作；在 /tmp/pr-reviews/ 手动创建 YAML；用 check_prs.py 检查已有 PR；用 curl 获取模型卡和排行榜数据。
关键规则：同一基准可有多个分数（有/无工具），每个变体必须单独文件。默认（无工具）用 hle.yaml 且省略 notes；有工具用 hle_with_tools.yaml 并加 notes: "With tools"（大写 W）。
核心流程：先运行 uv run scripts/check_prs.py --repo-id "org/model-name" 检查已有 PR，存在则更新而非新建；用 curl 获取模型 README 并提取分数；创建 YAML 文件；用 hf upload ... --create-pr 创建 PR；再次运行 check_prs.py 获取 PR 编号。更新已有 PR 时用 hf download 指定 --revision refs/pr/<PR_NUMBER> 下载，编辑后再 hf upload 到同一 revision。删除文件需用 Python API 的 api.delete_file。
YAML 格式：dataset.id（Hub 基准数据集 ID）、task_id（数据集 eval.yaml 中的任务 id）、value（指标值）为必填；date、source 可选。支持的基准包括 HLE（cais/hle，hle）、GPQA（Idavidrein/gpqa，diamond）、MMLU-Pro（TIGER-Lab/MMLU-Pro，mmlu_pro）。工具型智能体模型（如 MiroThinker、Nemotron-Orchestrator）应使用 hle_with_tools.yaml 并加 notes。
环境：需设置 export HF_TOKEN="your-huggingface-token"。最佳实践：创建前先检查已有 PR；变体分文件；仅非默认评测加 notes；提交前核对模型卡分数。