Marco de trabajo multinivel para evaluar habilidades de agentes de IA con puertas de calidad, detección de superposición semántica, generación de conjuntos de datos de evaluación sintéticos y evaluación de agentes en vivo que mide cómo las habilidades afectan el comportamiento del agente.
SkillEvaluator de NVIDIA es un marco de trabajo integral y multinivel diseñado para la evaluación rigurosa de habilidades de agentes de IA. Su principal utilidad radica en establecer puertas de calidad que validan la corrección y pertinencia de las habilidades antes de su implementación, detectar superposición semántica entre habilidades para evitar redundancias, y generar conjuntos de datos de evaluación sintéticos que permiten probar las habilidades en escenarios controlados. Además, ofrece evaluación en vivo de agentes, midiendo cómo las habilidades impactan realmente el comportamiento del agente en entornos reales. Es compatible con plataformas de agentes como Claude Code, Cursor y Codex, y su funcionamiento se basa en un pipeline modular que combina análisis semántico, pruebas automatizadas y métricas de rendimiento, proporcionando a los desarrolladores información detallada para optimizar y depurar sus habilidades de manera eficiente.
npx skills add NVIDIA/SkillEvaluatorInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Lee la nota del usuario y devuelve una lista concisa de elementos de acción. Si la nota no tiene una acción clara, indica que no se encontró ningún elemento de acción.
Usuario: "Haz seguimiento con Maya mañana sobre la lista de verificación del lanzamiento."
Asistente: "Elemento de acción: Haz seguimiento con Maya mañana sobre la lista de verificación del lanzamiento."
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.