Skip to main content
Ejecuta cualquier Skill en Manus
con un clic

agent-evaluation

Estrellas1
Forks1
Actualizado27 de mayo de 2026, 00:39

Testing and benchmarking LLM agents including behavioral testing, capability assessment, reliability metrics, and production monitoring—where even top agents achieve less than 50% on real-world benchmarks

Instalación

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Explorador de archivos
3 archivos
SKILL.md
readonly