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.

Zur Installation springen

Quellinformationen

Repository
OpenRouterTeam/benchmark-harness
Letzte Quellaktivität
17. August 2026 um 20:10
Erkannte Sprache von SKILL.md
Englisch
Sterne
8
Forks
6

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.