Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Évaluation des performances d'un modèle v1.0.0

Utilisez cette ressource pour évaluer les performances d'un modèle et détecter sa dérive

Nouveau

  • 351 téléchargements
  • 127 mentions J'aime
  • 141 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install model-performance-evaluation

Sans 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 login

L'agent lance une analyse statique des appels LLM et des prompts, détecte l'environnement ML, compare les métriques à la référence et contrôle la dérive des données. Vous obtenez un diagnostic et les points à corriger.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Évaluation des performances d'un modèle »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : étapes d'analyse statique, de comparaison et de contrôle de dérive
  • .claude-plugin/plugin.json : métadonnées du plugin

Pour qui

  • La précision d'un modèle a baissé depuis le dernier déploiement
  • Vous voulez vérifier la qualité des prompts d'une application LLM

Pas pour qui

    Étiquettes

    • évaluation
    • dérive
    • modèle
    • llm

    À propos

    Vous dites

    « Évalue notre modèle de recommandation : la précision a-t-elle baissé depuis le mois dernier ? »

    Carte de la skill « Évaluation des performances d'un modèle »

    Skill publiée par tonone-ai <hello@tonone.ai> sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de évaluer les performances d'un modèle et détecter sa dérive
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • .claude-plugin/plugin.json0,5 Ko
    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • SKILL.md6,7 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    tonone-ai <hello@tonone.ai>
    Source
    github.com/jeremylongshore/tons-of-skills-marketplace/tree/ab85a061f7bcc039dac13ee193de7a4cd4388571/plugins/ai-agency/tonone/skills/cortex-eval
    Licence
    MIT

    Notice

    « cortex-eval » (tonone-ai <hello@tonone.ai>, 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…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.