Skip to main content

hamelsmu/evals-skills

SkillsMP hat 7 Skills aus hamelsmu/evals-skills gesammelt. Öffne einen Skill, um Quelle und Details zu prüfen.

Letzte erfasste Quellaktivität
SkillsMP-Katalog aktualisiert
gesammelte Skills
7
GitHub-Stars
1.664
GitHub-Forks
170

Skills in diesem Repository

Es werden 7 von 7 gesammelten Skills angezeigt.

Beruf
Softwareentwickler
Beschreibung

Calibrate an LLM judge against human labels using data splits, TPR/TNR, and bias correction. Use after writing a judge prompt (write-judge-prompt) when you need to verify alignment before trusting its outputs. Do NOT use for code-based evaluators (those are…

Quellsprache: Englisch

Aktualisiert
Beruf
Softwarequalitätssicherungsanalysten und -tester
Beschreibung

Build a custom browser-based annotation interface tailored to your data for reviewing LLM traces and collecting structured feedback. Use when you need to build an annotation tool, review traces, or collect human labels.

Quellsprache: Englisch

Aktualisiert
Beruf
Softwarequalitätssicherungsanalysten und -tester
Beschreibung

Help the user systematically identify and categorize failure modes in an LLM pipeline by reading traces. Use when starting a new eval project, after significant pipeline changes (new features, model switches, prompt rewrites), when production metrics drop, or…

Quellsprache: Englisch

Aktualisiert
Beruf
Softwarequalitätssicherungsanalysten und -tester
Beschreibung

Audit an LLM eval pipeline and surface problems: missing error analysis, unvalidated judges, vanity metrics, etc. Use when inheriting an eval system, when unsure whether evals are trustworthy, or as a starting point when no eval infrastructure exists. Do NOT…

Quellsprache: Englisch

Aktualisiert
Beruf
Softwarequalitätssicherungsanalysten und -tester
Beschreibung

Guides evaluation of RAG pipeline retrieval and generation quality. Use when evaluating a retrieval-augmented generation system, measuring retrieval quality, assessing generation faithfulness or relevance, generating synthetic QA pairs for retrieval testing,…

Quellsprache: Englisch

Aktualisiert
Beruf
Softwarequalitätssicherungsanalysten und -tester
Beschreibung

Create diverse synthetic test inputs for LLM pipeline evaluation using dimension-based tuple generation. Use when bootstrapping an eval dataset, when real user data is sparse, or when stress-testing specific failure hypotheses. Do NOT use when you already…

Quellsprache: Englisch

Aktualisiert
Beruf
Softwarequalitätssicherungsanalysten und -tester
Beschreibung

Design LLM-as-Judge evaluators for subjective criteria that code-based checks cannot handle. Use when a failure mode requires interpretation (tone, faithfulness, relevance, completeness). Do NOT use when the failure mode can be checked with code (regex,…

Quellsprache: Englisch

Aktualisiert
Es werden 7 von 7 gesammelten Skills angezeigt.