Was macht TrajRL-Bench: KI-Agenten-Fähigkeiten-Benchmark?
TrajRL-Bench: Benchmark für KI-Agenten-Fähigkeiten. SSH-Sandbox mit simulierten Diensten, LLM-Judge-Bewertung, Split-Half-Delta-Auswertung. Bestenliste unter trajrl.com/bench
TrajRL-Bench: Benchmark für KI-Agenten-Fähigkeiten. SSH-Sandbox mit simulierten Diensten, LLM-Judge-Bewertung, Split-Half-Delta-Auswertung. Bestenliste unter trajrl.com/bench
TrajRL-Bench ist ein spezialisierter Benchmark zur Bewertung der Fähigkeiten von KI-Agenten. Es bietet eine SSH-Sandbox mit simulierten Diensten, die es ermöglicht, verschiedene Agenten unter realistischen Bedingungen zu testen, ohne externe Systeme zu gefährden. Die Bewertung erfolgt durch einen LLM-Judge, der die Agentenausgaben auf Richtigkeit und Effizienz prüft. Ein besonderes Merkmal ist die Split-Half-Delta-Methode, die eine robuste und faire Bewertung ermöglicht, indem die Ergebnisse über verschiedene Hälften eines Datensatzes verglichen werden. Dieser Benchmark ist besonders nützlich für Entwickler und Forscher, die die Leistung ihrer Agenten standardisiert messen und mit einer öffentlichen Bestenliste unter trajrl.com/bench vergleichen möchten. TrajRL-Bench unterstützt plattformunabhängige Tests und ist ideal für die iterative Verbesserung von Agenten-Fähigkeiten in kontrollierten Umgebungen.
npx skills add trajectoryRL/trajrl-benchInstalled? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →
TrajRL-Bench: Benchmark für KI-Agenten-Fähigkeiten. SSH-Sandbox mit simulierten Diensten, LLM-Judge-Bewertung, Split-Half-Delta-Auswertung. Bestenliste unter trajrl.com/bench
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.