awesome-agent-benchmarks は何をしますか？
🧠 大規模言語モデルエージェント向けの高度なベンチマークデータセットを発見・評価し、実世界のタスクにおけるパフォーマンス評価を向上させます。
出典: https://github.com/axxafo/awesome-agent-benchmarks
プッシュ日: 2026-05-12T06:29:00Z スター数: 3
🧠 大規模言語モデルエージェント向けの高度なベンチマークデータセットを発見・評価し、実世界のタスクにおけるパフォーマンス評価を向上させます。
このスキルは、大規模言語モデル（LLM）エージェントのパフォーマンス評価に特化したベンチマークデータセットのキュレーションリポジトリです。GitHub上で公開されており、開発者や研究者がエージェントの実世界タスクにおける能力を体系的に評価するためのデータセットを探索・比較できます。SWE-bench、WebArena、AgentBenchなどの主要ベンチマークを含む構造化リストを提供し、各データセットの概要、タスクドメイン、評価指標を一覧表示します。Claude Code、Cursor、CodexなどのAIエージェント開発環境で参照することで、評価プロセスの効率化とベストプラクティスの特定を支援します。
npx skills add axxafo/awesome-agent-benchmarksInstalled? Explore more 研究＆データ分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🧠 大規模言語モデルエージェント向けの高度なベンチマークデータセットを発見・評価し、実世界のタスクにおけるパフォーマンス評価を向上させます。
出典: https://github.com/axxafo/awesome-agent-benchmarks
プッシュ日: 2026-05-12T06:29:00Z スター数: 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.