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

ai-model-evaluation

Estrellas1
Forks0
Actualizado16 de marzo de 2026 a las 02:22

To systematically assess the performance, accuracy, and safety of LLM outputs using quantitative metrics and "LLM-as-a-Judge" patterns, ensuring production readiness. Use when: Before deploying any LLM application to production; When comparing different models (e.g., GPT-4o vs. Claude 3.5 Sonnet) or prompt versions; To detect regressions after updating prompts or RAG knowledge bases.

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.

SKILL.md
readonly