GratuitSkills
Commits, branches et synchronisation avec la CLI but
- 361361 téléchargements
- 198198 mentions J'aime
- 103103 sauvegardes
Compatible avec
- Claude Code
- Codex
- Cursor
- et 3 autres
Évaluer un LLM sur des benchmarks académiques v1.0.0
Utilisez cette ressource pour mesurer la qualité d'un modèle sur des benchmarks académiques standardisés
Nouveau
- 527 téléchargements
- 213 mentions J'aime
- 185 sauvegardes
Gratuit
Installer avec la CLI
Dans un terminal, depuis le dossier voulu :
npx --yes palatekit@latest install llm-benchmark-evaluation-harness-3Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.
Première fois : connectez la CLI avec
npx --yes palatekit@latest loginL'agent installe lm-evaluation-harness, lance les benchmarks choisis sur un modèle Hugging Face, vLLM ou une API, puis rassemble les résultats. Il peut aussi suivre l'évolution d'un entraînement point de contrôle par point de contrôle.
Choisie surtout par
Mise à jour le 2 novembre 2026
Aperçus
Caractéristiques
- Fonctionne dans
- Guides d'installation
- Génère avec
- Le modèle de votre agent
- Licence
- MIT
Ressources similaires
Tout voir- Gratuit
GratuitSkills
Guide de la CLI Sentry
- 525525 téléchargements
- 117117 mentions J'aime
- 128128 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Bonnes pratiques Drizzle ORM avec PostgreSQL
- 407407 téléchargements
- 194194 mentions J'aime
- 151151 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Assistant de conception de SLO
- 537537 téléchargements
- 105105 mentions J'aime
- 242242 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
User stories de sprint
- 451451 téléchargements
- 150150 mentions J'aime
- 132132 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Plan de sprint réaliste
- 423423 téléchargements
- 192192 mentions J'aime
- 102102 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Conseiller CTO de startup
- 580580 téléchargements
- 201201 mentions J'aime
- 242242 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Création de pull requests GitHub avec contrôles qualité
- 427427 téléchargements
- 230230 mentions J'aime
- 196196 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
Ce que vous obtenez
- SKILL.md : démarrage rapide et workflows de benchmark
- references/ : guide des benchmarks, tâches personnalisées, évaluation par API et distribuée
Pour qui
- Vous comparez deux modèles ouverts avant de choisir
- Vous voulez suivre la qualité d'un entraînement à chaque point de contrôle
Pas pour qui
Étiquettes
- benchmark
- llm
- évaluation
- mmlu
- gsm8k
À propos
Vous dites
« Évalue ce modèle sur MMLU en 5-shot et sur GSM8K, puis compare-le au point de contrôle précédent. »
Skill publiée par Orchestra Research sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.
Voir plusVoir moins
Comment l'utiliser
- Installez la skill dans le dossier de skills de votre agent
- Demandez à votre agent de mesurer la qualité d'un modèle sur des benchmarks académiques standardisés
- Relisez et ajustez le résultat
Aperçu du contenu
Fichiers
- LICENSE1 Ko
- NOTICE-PALATEKIT.md0,5 Ko
- references/api-evaluation.md10,9 Ko
- references/benchmark-guide.md10,5 Ko
- references/custom-tasks.md12,8 Ko
- references/distributed-eval.md11,2 Ko
- SKILL.md11,9 Ko
Origine et licence
Référencée sans modification
- Auteur
- Orchestra Research
- Source
- github.com/nousresearch/hermes-agent/tree/0c74cc682dc81bf78b78a1737b3ee77a820ccb79/optional-skills/mlops/evaluation/evaluating-llms-harness
- Licence
- MIT
Notice
« evaluating-llms-harness » (Orchestra Research, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.
Avis des utilisateurs
–
Aucune note pour l'instant
Chargement des avis…