Skip to main content

braintrust-probe-capability-and-variability

Run the same dataset under controlled variants to measure either the ceiling of what a system can do or the spread of how reliably it does it. Use for questions about sensitivity to prompt paraphrases, formatting, ordering, seeds, or repeated runs; output consistency and agreement; whether a ranking survives a different prompt; flaky results; and equally for hidden, suppressed, sandbagged, or under-elicited capability, whether a low score means "cannot" or "did not," or how prompting, demonstrations, scaffolding, tools, and fine-tuning compare. Do not use to find unknown failure modes or run adversarial attacks.

インストールへ移動

ソース情報

リポジトリ
braintrustdata/eval-library
ソースの最終更新活動
2026年8月17日 20:49
検出された SKILL.md の言語
英語
スター
12
フォーク
2

インストール方法

デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。

ソースファイルを確認

インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。