llm-evaluation
Über
Die llm-evaluation-Skill bietet Entwicklern einen Rahmen für das systematische Testen und Messen der Leistung von LLM-Anwendungen. Sie ermöglicht die automatisierte Berechnung von Metriken, die Integration von menschlichem Feedback und Benchmarking, um Modelle zu vergleichen oder Regressionen zu erkennen. Nutzen Sie diese Skill, um Evaluierungsrahmen zu etablieren und Verbesserungen vor dem Deployment zu validieren.
Schnellinstallation
Claude Code
Empfohlennpx skills add rmyndharis/antigravity-skills -a claude-code/plugin add https://github.com/rmyndharis/antigravity-skillsgit clone https://github.com/rmyndharis/antigravity-skills.git ~/.claude/skills/llm-evaluationKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Häufig gestellte Fragen
Was ist der Skill llm-evaluation?
llm-evaluation ist ein Claude Skill von rmyndharis. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um llm-evaluation ohne zusätzliche Eingaben auszuführen.
Wie installiere ich llm-evaluation?
Verwende die Installationsbefehle auf dieser Seite: Füge llm-evaluation als Plugin zu Claude Code hinzu oder klone das Repository in dein Skills-Verzeichnis. Starte Claude danach neu, damit der Skill geladen wird.
Zu welcher Kategorie gehört llm-evaluation?
llm-evaluation gehört zur Kategorie Testen.
Kann ich llm-evaluation kostenlos nutzen?
Ja. llm-evaluation ist auf AIMCP gelistet und kann kostenlos installiert werden.
Verwandte Skills
Diese Claude Skill führt den lm-evaluation-harness aus, um LLMs über 60+ standardisierte akademische Aufgaben wie MMLU und GSM8K zu benchmarken. Sie wurde für Entwickler entwickelt, um Modellqualität zu vergleichen, Trainingsfortschritt zu verfolgen oder akademische Ergebnisse zu berichten. Das Tool unterstützt verschiedene Backends, einschließlich HuggingFace- und vLLM-Modelle.
Diese Fähigkeit bietet umfassendes Wissen zur Implementierung von Cloudflare Cron Triggers, um Workers mithilfe von Cron-Ausdrücken zu planen. Sie behandelt das Einrichten periodischer Aufgaben, Wartungsjobs und automatisierter Workflows, während häufige Probleme wie ungültige Cron-Ausdrücke und Zeitzonenprobleme behandelt werden. Entwickler können sie zum Konfigurieren geplanter Handler, zum Testen von Cron-Triggers und zur Integration mit Workflows und Green Compute verwenden.
Diese Claude Skill bietet ein Playwright-basiertes Toolkit zum Testen lokaler Webanwendungen durch Python-Skripte. Es ermöglicht Frontend-Verifizierung, UI-Debugging, Screenshot-Aufnahme und Log-Einblick bei gleichzeitiger Verwaltung von Server-Lebenszyklen. Nutzen Sie es für Browser-Automatisierungsaufgaben, führen Sie Skripte jedoch direkt aus, anstatt deren Quellcode zu lesen, um Kontextverschmutzung zu vermeiden.
Diese Fähigkeit unterstützt Entwickler dabei, abgeschlossene Arbeiten zu finalisieren, indem sie testet, ob Tests bestehen, und dann strukturierte Integrationsoptionen präsentiert. Sie leitet den Workflow für das Zusammenführen von Code, das Erstellen von PRs oder das Bereinigen von Branches nach Abschluss der Implementierung. Nutzen Sie sie, wenn Ihr Code bereit und getestet ist, um den Entwicklungsprozess systematisch abzuschließen.