Skip to main content

braintrust-probe-capability-and-variability

Run the same dataset under controlled variants to measure either the ceiling of what a system can do or the spread of how reliably it does it. Use for questions about sensitivity to prompt paraphrases, formatting, ordering, seeds, or repeated runs; output consistency and agreement; whether a ranking survives a different prompt; flaky results; and equally for hidden, suppressed, sandbagged, or under-elicited capability, whether a low score means "cannot" or "did not," or how prompting, demonstrations, scaffolding, tools, and fine-tuning compare. Do not use to find unknown failure modes or run adversarial attacks.

Ir a la instalación

Datos de origen

Repositorio
braintrustdata/eval-library
Última actividad en el origen
17 de agosto de 2026 a las 20:49
Idioma detectado de SKILL.md
inglés
Estrellas
12
Forks
2

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.