🧠 Entdecken und bewerten Sie erweiterte Benchmark-Datensätze für Large Language Model Agents, um die Leistungsbewertung in realen Aufgaben zu verbessern.
Dieses Skill bietet eine kuratierte Sammlung von Benchmark-Datensätzen, die speziell zur Bewertung von Large Language Model (LLM) Agents in realen Szenarien entwickelt wurden. Es aggregiert Metriken und Evaluierungsrahmen aus verschiedenen Quellen und ermöglicht es Entwicklern, die Leistungsfähigkeit ihrer Agenten systematisch zu messen und zu vergleichen. Der Skill unterstützt gängige Agent-Plattformen wie Claude Code, Cursor und Codex, indem er strukturierte Links und Beschreibungen zu relevanten Benchmarks bereitstellt. Durch die Nutzung der Informationen in der SKILL.md-Dokumentation können Agenten automatisch die geeignetsten Benchmarks für spezifische Aufgaben auswählen und detaillierte Bewertungsergebnisse generieren. Dies reduziert manuellen Aufwand und stellt sicher, dass Evaluierungen auf aktuellen und wissenschaftlich fundierten Methoden basieren.
npx skills add axxafo/awesome-agent-benchmarksInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🧠 Entdecken und bewerten Sie erweiterte Benchmark-Datensätze für Large Language Model Agents, um die Leistungsbewertung in realen Aufgaben zu verbessern.
Quelle: https://github.com/axxafo/awesome-agent-benchmarks
Pushed: 2026-05-12T06:29:00Z Sterne: 3
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.