Um framework de avaliação generalizado para LLMs quantizados em fluxos de trabalho agentivos.
O AQBE (Agentic Quantized Benchmarking Engine) é um framework de avaliação projetado especificamente para LLMs quantizados operando em fluxos de trabalho agentivos. Ele permite que desenvolvedores testem e comparem o desempenho de modelos de linguagem que foram reduzidos de tamanho (quantizados) em tarefas complexas, como uso de ferramentas, raciocínio multi-etapas e execução autônoma, comuns em agentes de IA. O framework é útil para avaliar trade-offs entre eficiência (menor uso de memória/energia) e precisão em cenários reais de agentes, suportando plataformas como Claude, Codex e Gemini. Baseado no repositório GitHub recente, ele foi descoberto como uma skill para automação de agentes, integrando-se a workflows de MCP (Model Context Protocol) e ferramentas adjacentes de automação.
npx skills add minyang-chen/AQBEInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Um framework de avaliação generalizado para LLMs quantizados em fluxos de trabalho agentivos.
Fonte: https://github.com/minyang-chen/AQBE
Descoberto a partir de repositórios GitHub enviados nas últimas 24 horas para skills de agentes, fluxos de trabalho Claude/Codex/Gemini, ferramentas MCP e automação adjacente de agentes de IA.
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.