स्टैनफोर्ड विश्वविद्यालय द्वारा विकसित एक मानकीकृत, समग्र मूल्यांकन ढांचा, जिसे बड़े भाषा मॉडलों के प्रदर्शन और सुरक्षा को मापने के लिए डिज़ाइन किया गया है।