Skip to main content

danielrosehill/Claude-Eval-Runner-Plugin

SkillsMP ha recopilado 6 skills de danielrosehill/Claude-Eval-Runner-Plugin. Abre una skill para revisar su origen y sus detalles.

Última actividad de origen registrada
Catálogo de SkillsMP actualizado
skills recopiladas
6
Estrellas en GitHub
0
Forks en GitHub
0

Skills en este repositorio

Mostrando 6 de 6 skills recopiladas.

ocupación
Analistas de garantía de calidad de software y probadores
descripción

Design a custom eval from scratch, or remix an existing benchmark. Use when the user wants to define the eval itself — task framing, dataset composition, scoring rubric, and reporting format — rather than simply wiring up a framework. Produces a fully…

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Provision a new eval-runner workspace on disk. Use when the user wants to start a new evaluation project — scaffolds evals/, datasets/, results/, and docs/ directories, personalises CLAUDE.md, and (by default) creates a GitHub repo.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Publish an eval dataset to Hugging Face Hub (or GitHub as a fallback). Use when the user wants to share the inputs/labels used by an eval — with a dataset card, licensing, splits, and a content hash so downstream runs can verify integrity.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Publish an eval (definition + results) so others can reproduce it. Use when the user wants to share an eval publicly — as a GitHub repo, Hugging Face space, or a standalone writeup. Produces a clean, self-contained bundle with README, task spec, rubric,…

Idioma del texto original: inglés

actualizado
ocupación
Analistas de garantía de calidad de software y probadores
descripción

Execute an eval defined in the current workspace and capture results with full metadata. Use when the user wants to actually run an eval (one or many SUTs), collect scored outputs under results/, and produce a run manifest so findings are reproducible and…

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Set up an evaluation in the current workspace. Use when the user wants to scaffold a single eval — choosing an existing framework (DeepEval, Inspect AI, OpenAI Evals, lm-evaluation-harness, LightEval, OLMES, Promptfoo, etc.), adapting an existing benchmark,…

Idioma del texto original: inglés

actualizado
Mostrando 6 de 6 skills recopiladas.