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

benchmark-arbiter

Estrellas5
Forks1
Actualizado17 de junio de 2026 a las 18:39

Grade cat-factory benchmark runs. Use when asked to grade, score, judge, or arbitrate a benchmark run produced by the benchmark-harness (cat-bench) — typically a directory under docs/benchmarks/ containing a grading/ folder. Reads each cell's candidate output against its rubric and writes grades.json, grading-summary.md, and conclusions.md.

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