Was macht skill-eval?
Bewertung von LLM-Fähigkeiten
Bewertung von LLM-Fähigkeiten
Dieses Skill ermöglicht es, die Fähigkeiten von Large Language Models (LLMs) systematisch zu bewerten. Es ist nützlich für Entwickler und Forscher, die die Leistung ihrer agentenbasierten Systeme messen und vergleichen möchten. Der Skill unterstützt plattformübergreifend Tools wie Claude Code, Cursor und Codex, indem er eine strukturierte Evaluierungsumgebung bereitstellt. Er nutzt eine Reihe von vordefinierten Metriken und Testfällen, um die Genauigkeit, Zuverlässigkeit und Effizienz von LLM-basierten Agenten automatisiert zu überprüfen.
npx skills add maxlbchung/skill-evalInstalled? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →
Bewertung von LLM-Fähigkeiten
Send and manage iMessages via BlueBubbles, including attachments, tapbacks, edits, replies, and groups.
Control Eight Sleep pods (status, temperature, alarms, schedules).
BluOS CLI (blu) for discovery, playback, grouping, and volume.
Create, search, and manage Bear notes via grizzly CLI.
Capture frames or clips from RTSP/ONVIF cameras.
Search GIF providers with CLI/TUI, download results, and extract stills/sheets.