Skip to main content

Sanoy24/tenacious-bench

SkillsMP ha recopilado 8 skills de Sanoy24/tenacious-bench. Abre una skill para revisar su origen y sus detalles.

Última actividad de origen registrada
Catálogo de SkillsMP actualizado
skills recopiladas
8
Estrellas en GitHub
1
Forks en GitHub
0

Skills en este repositorio

Mostrando 8 de 8 skills recopiladas.

ocupación
Científicos de datos
descripción

Structure ablations, statistical comparisons, and evidence tracing for Tenacious-Bench results. Use when an agent is preparing Delta A, Delta B, or Delta C comparisons, held-out scoring traces, confidence intervals, cost or latency comparisons, evidence…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Build or extend Tenacious-Bench and its supporting Week 11 artifacts for the Sales Agent Evaluation Bench challenge. Use when an agent needs to turn Week 10 sales-agent traces, probes, style guidance, or public-signal inputs into a machine-verifiable…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Protect Tenacious-Bench split integrity and contamination resistance. Use when an agent is partitioning tasks, sealing held-out data, checking overlap between train and held_out, validating public-signal time windows, documenting contamination controls, or…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Create, expand, or review Tenacious-Bench tasks across the required authoring modes. Use when an agent is turning Week 10 traces, probe seeds, public-signal inputs, or sales artifacts into benchmark tasks, partition-ready records, metadata-rich JSON or JSONL…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Package Tenacious-Bench outputs into public, reviewer-friendly artifacts. Use when an agent is preparing a Hugging Face dataset or model card, datasheet, README, technical blog draft, publication checklist, executive memo support files, or…

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Write, review, or refactor Python code for the Tenacious Bench project using clean, modern, and maintainable patterns. Use when an agent is adding or editing Python modules, CLI scripts, evaluators, dataset builders, contamination checks, training-data…

Idioma del texto original: inglés

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

Design, tighten, or review machine-verifiable scoring rubrics for Tenacious-Bench tasks. Use when an agent is creating or revising schema fields, scoring evaluator logic, judge prompts, rubric dimensions, banned-phrase checks, grounding requirements, or…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Convert Tenacious-Bench artifacts into high-quality training inputs for Path A, Path B, or Path C. Use when an agent is formatting chat pairs, preference pairs, step-level labels, quality filters, or path-specific training partitions for LoRA, judge training,…

Idioma del texto original: inglés

actualizado
Mostrando 8 de 8 skills recopiladas.