Skip to main content

add-benchmark

Implement a new benchmark in the harness catalog — feasibility checks, dataset streaming and recordToSample, solver, scorer, config schema, metadata, registry and CLI wiring, tests, and a calibrated smoke run. Also lists the harness-level mistakes that silently corrupt scores (caching, answer extraction, inference-parameter propagation, judge variance, sandbox timeouts, media fetchability). Use when adding any eval to this repo.

الانتقال إلى التثبيت

معلومات المصدر

المستودع
OpenRouterTeam/benchmark-harness
آخر نشاط في المصدر
١٧ أغسطس ٢٠٢٦ في ٢٠:١٠
لغة SKILL.md المكتشفة
الإنجليزية
النجوم
٨
التفرعات
٦

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.