Skip to main content

sourcegraph/CodeScaleBench

SkillsMP ha recopilado 30 skills de sourcegraph/CodeScaleBench. Abre una skill para revisar su origen y sus detalles.

Última actividad de origen registrada
Catálogo de SkillsMP actualizado
skills recopiladas
30
Estrellas en GitHub
32
Forks en GitHub
5

Mostrando 30 de 30 skills recopiladas.

ocupación
Administradores de redes y sistemas informáticos
descripción

Archive old completed benchmark runs to save disk space and speed up scans. Triggers on archive runs, clean up runs, disk space, old runs.

Idioma del texto original: inglés

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

Audit benchmark suites against ABC framework (Task/Outcome/Reporting validity). Checks instruction quality, verifier correctness, reproducibility. Triggers on benchmark audit, audit benchmark, abc audit, task validity.

Idioma del texto original: inglés

actualizado
ocupación
Administradores de redes y sistemas informáticos
descripción

Verify infrastructure readiness before launching benchmark runs — tokens, Docker, disk, credentials. Triggers on check infra, infrastructure check, ready to run, pre-run check.

Idioma del texto original: inglés

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

Compare benchmark results across agent configurations (baseline, SG_full). Show where configs diverge. Triggers on compare configs, config comparison, which config wins, MCP impact.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de softwareCientíficos de datos
descripción

Token and cost analysis per run, suite, and config. Shows most expensive tasks and config cost comparison. Triggers on cost report, how much did it cost, token usage, spending.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Generate the aggregate CSB evaluation report from completed Harbor runs. Triggers on generate report, eval report, ccb report, benchmark report.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Compute information retrieval quality metrics (precision, recall, MRR, nDCG, MAP) comparing file retrieval across baseline and MCP configs against ground truth. Triggers on ir analysis, retrieval metrics, file recall, ground truth, search quality.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datosDesarrolladores de software
descripción

Analyze MCP tool usage patterns, reward/time deltas conditioned on MCP adoption, and zero-MCP investigation. Triggers on mcp audit, mcp analysis, mcp impact, tool usage analysis, did mcp help.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Point at any repo (GitHub, GitLab, Bitbucket, Azure DevOps, self-hosted, or local) and get eval tasks that compare baseline coding agents vs MCP-augmented agents. Mines merged PRs/MRs for real code-change tasks, auto-generates ground truth from patches,…

Idioma del texto original: inglés

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

Run a single benchmark task locally to verify a fix. Uses haiku for speed. Triggers on quick rerun, rerun task, verify fix, test task.

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Batch re-extract task_metrics.json for all runs after extraction bug fixes or schema changes. Triggers on reextract metrics, refresh metrics, update task metrics, fix extraction.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Run the repo health gate before commit or push to reduce doc drift and keep branches clean. Triggers on commit, push, before push, repo health, reduce drift, doc drift, clean branch.

Idioma del texto original: inglés

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

Configure and launch CodeScaleBench runs with current paired-run and curation guardrails.

Idioma del texto original: inglés

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

Quick status check on the currently active benchmark run. Lighter than watch-benchmarks, scoped to recent activity. Triggers on run status, how's it going, are tasks done, active run.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Scaffold a new Harbor-compatible benchmark task (SDLC or org-scale) and optionally a new benchmark suite. Generates task.toml, instruction.md, Dockerfile, test.sh, and registers the task. Triggers on scaffold task, new task, create task, add task, new…

Idioma del texto original: inglés

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

Score individual task quality on instruction clarity, verifier quality, and reproducibility. Triggers on score task, task quality, rate tasks, task score.

Idioma del texto original: inglés

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

Reconcile task metadata between selected_benchmark_tasks.json and task.toml files. Finds and fixes drift. Triggers on sync metadata, check metadata, metadata mismatch, reconcile tasks.

Idioma del texto original: inglés

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

Investigate a specific failed benchmark task — read logs, identify root cause, check if known pattern, suggest fix. Triggers on triage, investigate failure, debug task, diagnose failure.

Idioma del texto original: inglés

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

Pre-flight validation of benchmark tasks before launching runs. Catches truncated instructions, metadata mismatches, missing test scripts. Triggers on validate tasks, preflight, pre-flight check, check tasks.

Idioma del texto original: inglés

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

Live benchmark monitoring — scan run directories, classify task status, fingerprint errors, present structured summaries. Triggers on watch benchmarks, benchmark status, run status, monitor runs.

Idioma del texto original: inglés

actualizado
ocupación
Analistas de sistemas informáticos
descripción

Analyze current benchmark state and recommend what to work on next. Triggers on whats next, what should I do, next steps, prioritize work.

Idioma del texto original: inglés

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

Run repo health checks, validate benchmark tasks, and audit run integrity.

Idioma del texto original: inglés

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

Extract metrics, score traces, and evaluate benchmark task results.

Idioma del texto original: inglés

actualizado
ocupación
Administradores de redes y sistemas informáticos
descripción

Check infrastructure readiness, manage MCP tools, and audit system dependencies.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Plan upcoming work, analyze coverage gaps, and recommend next steps for benchmarking.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Generate evaluation reports, analyze run costs, and compare configurations.

Idioma del texto original: inglés

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

Launch and manage CodeScaleBench benchmark runs with paired-run guardrails, quick reruns, and execution orchestration.

Idioma del texto original: inglés

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

Create, mine, and validate new benchmark tasks and task suites.

Idioma del texto original: inglés

actualizado
ocupación
Administradores de redes y sistemas informáticos
descripción

Monitor active runs, check task completion status, and watch benchmark execution progress.

Idioma del texto original: inglés

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

Investigate and triage failed benchmark tasks, analyze root causes, and plan reruns.

Idioma del texto original: inglés

actualizado
Mostrando 30 de 30 skills recopiladas.