🧠 Descubra e avalie conjuntos de dados avançados de benchmarks para agentes de Modelos de Linguagem de Grande Escala (LLMs), aprimorando a avaliação de desempenho em tarefas do mundo real.
Este skill fornece uma curadoria abrangente de conjuntos de dados de benchmark projetados especificamente para avaliar agentes de Large Language Model (LLM). Ele é útil para desenvolvedores e pesquisadores que desejam medir e comparar o desempenho de agentes em tarefas realistas, como navegação na web, uso de ferramentas, raciocínio multi-etapas e interação com ambientes simulados. O repositório organiza benchmarks por categoria, plataforma (como WebArena, SWE-bench, AgentBench, etc.) e tipo de tarefa, facilitando a seleção do benchmark adequado para cada cenário de avaliação. Ao integrar este skill, os usuários podem rapidamente identificar benchmarks relevantes, entender suas métricas e aplicá-los para melhorar a confiabilidade e eficácia de seus agentes baseados em LLM.
npx skills add axxafo/awesome-agent-benchmarksInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🧠 Descubra e avalie conjuntos de dados avançados de benchmarks para agentes de Modelos de Linguagem de Grande Escala (LLMs), aprimorando a avaliação de desempenho em tarefas do mundo real.
Fonte: https://github.com/axxafo/awesome-agent-benchmarks
Enviado: 2026-05-12T06:29:00Z Estrelas: 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.