用途：在本地硬件上对 Hugging Face Hub 上的模型运行评测，支持 inspect-ai 与 lighteval 两种框架的本地推理，并帮助选择推理后端。适用场景包括后端选择、本地 GPU 评测以及决定使用哪个评测脚本。
主要能力：一是 inspect-ai 本地推理评测；二是 lighteval 本地推理评测；三是 vllm、Hugging Face Transformers 与 accelerate 之间的选择；四是冒烟测试、任务选择与后端回退策略。
不涵盖：Hugging Face Jobs 编排、model-card 或 model-index 编辑、README 表格提取、Artificial Analysis 导入、.eval_results 生成或发布、PR 创建或 community-evals 自动化。如要远程运行同一评测，应交接给 hugging-face-jobs 技能；如要把结果发布进 community evals 流程，应在生成评测运行后交接给 ~/code/community-evals。
使用方式：本地执行优先用 uv run；门控或私有模型需设置 HF_TOKEN；本地 GPU 运行前先验证环境：uv --version、printenv HF_TOKEN >/dev/null、nvidia-smi。若无 nvidia-smi，可改用 scripts/inspect_eval_uv.py 做较轻量的提供商后端评测，或改用远程计算。核心流程为先选评测框架（需要显式任务控制用 inspect-ai，基准可自然表达为 lighteval 任务字符串尤其排行榜类任务时用 lighteval），再选推理后端（支持的架构优先 vllm，兼容回退用 --backend hf 或 accelerate），然后先做冒烟测试（inspect-ai 加 --limit 10，lighteval 加 --max-samples 10），通过后再扩大规模。
脚本对应：通过推理提供商对 Hub 模型做本地 inspect-ai 评测用 scripts/inspect_eval_uv.py；用 vllm 或 Transformers 做本地 GPU inspect-ai 评测用 scripts/inspect_vllm_uv.py；用 vllm 或 accelerate 做本地 GPU lighteval 评测用 scripts/lighteval_vllm_uv.py；更多命令模式见 examples/USAGE_EXAMPLES.md。示例：uv run scripts/inspect_eval_uv.py --model meta-llama/Llama-3.2-1B --task mmlu --limit 20。
任务选择：inspect-ai 可选 mmlu、gsm8k、hellaswag、arc_challenge、truthfulqa、winogrande、humaneval 等；lighteval 任务字符串格式为 suite|task|num_fewshot，如 leaderboard|mmlu|5，多个任务可用逗号分隔。
硬件参考：小于 3B 可用消费级 GPU 或 Apple Silicon；3B 到 13B 需要更强的本地 GPU；13B 以上需要高显存本地 GPU 或交接给 hugging-face-jobs。
限制与排错：CUDA 或 vLLM 显存不足时可降低 --batch-size、降低 --gpu-memory-utilization、换更小的模型做冒烟测试，必要时交接远程；vllm 不支持时切换回退后端；门控或私有仓库访问失败需检查 HF_TOKEN；需要自定义模型代码时加 --trust-remote-code。本技能有意止步于本地执行与后端选择。