llm-evaluation
Acerca de
La habilidad llm-evaluation ayuda a los desarrolladores a probar y medir sistemáticamente la calidad de las aplicaciones de LLM utilizando métricas automatizadas, retroalimentación humana y evaluación comparativa. Se utiliza para comparar modelos, validar cambios en los prompts, detectar regresiones y establecer líneas base de rendimiento. Las capacidades clave incluyen la implementación de marcos de evaluación escalables para generar confianza en los sistemas de IA en producción.
Instalación rápida
Claude Code
Recomendadonpx skills add Microck/ordinary-claude-skills -a claude-code/plugin add https://github.com/Microck/ordinary-claude-skillsgit clone https://github.com/Microck/ordinary-claude-skills.git ~/.claude/skills/llm-evaluationCopia y pega este comando en Claude Code para instalar esta habilidad
Repositorio GitHub
Preguntas frecuentes
¿Qué es el Skill llm-evaluation?
llm-evaluation es un Skill de Claude creado por Microck. Los Skills agrupan instrucciones y recursos que Claude carga cuando los necesita para realizar tareas relacionadas con llm-evaluation sin indicaciones adicionales.
¿Cómo instalo llm-evaluation?
Usa los comandos de instalación de esta página: añade llm-evaluation a Claude Code como plugin o clona su repositorio en tu directorio de skills y reinicia Claude para cargarlo.
¿A qué categoría pertenece llm-evaluation?
llm-evaluation pertenece a la categoría Pruebas.
¿Se puede usar llm-evaluation gratis?
Sí. llm-evaluation aparece en AIMCP y se puede instalar gratis.
Habilidades relacionadas
Esta Skill de Claude ejecuta el benchmark lm-evaluation-harness para evaluar modelos de lenguaje en más de 60 tareas académicas estandarizadas como MMLU y GSM8K. Está diseñada para que los desarrolladores comparen la calidad de los modelos, realicen seguimiento del progreso del entrenamiento o reporten resultados académicos. La herramienta admite varios backends, incluidos modelos de HuggingFace y vLLM.
Esta habilidad proporciona conocimiento integral para implementar Cron Triggers de Cloudflare y programar Workers mediante expresiones cron. Cubre la configuración de tareas periódicas, trabajos de mantenimiento y flujos de trabajo automatizados, manejando problemas comunes como expresiones cron inválidas y inconvenientes de zonas horarias. Los desarrolladores pueden utilizarla para configurar manejadores programados, probar activadores cron e integrar con Workflows y Green Compute.
Esta habilidad de Claude proporciona un kit de herramientas basado en Playwright para probar aplicaciones web locales mediante scripts de Python. Permite verificación de frontend, depuración de interfaz de usuario, captura de pantallas y visualización de registros, mientras gestiona los ciclos de vida del servidor. Úsela para tareas de automatización de navegadores, pero ejecute los scripts directamente en lugar de leer su código fuente para evitar contaminación del contexto.
Esta habilidad ayuda a los desarrolladores a completar el trabajo terminado verificando que las pruebas pasen y luego presentando opciones estructuradas de integración. Guía el flujo de trabajo para fusionar, crear PRs o limpiar ramas después de que se completa la implementación. Úsala cuando tu código esté listo y probado para finalizar sistemáticamente el proceso de desarrollo.