公司部署了几个社区微调版模型，想要测试下部署的模型的通用能力（大概就是多维度的，每个方面，都测下，然后看哪个模型适合做哪个方面的） 
优先纯聊天的测试 
github上找了一些开源的benchmark的框架，比如 
modelscope/evalscope 
open-compass/opencompass 
但是对于完整上手写整个测试计划，然后测试，再给出最终报告（附上相关数据），还是有点束手无措 
想问问佬友们这个有没有现成的方案（最好是企业级的）或是模型基准测试的相关经验呢？