職業分類
ソフトウェア開発者
説明
Design, implement, validate, and calibrate a new eval for the convex-evals suite. Use when the user wants to add a new eval, create an eval, test a new Convex concept, or expand eval coverage.
原文の言語: 英語
更新
get-convex/convex-evals
SkillsMP は get-convex/convex-evals から 6 件の skill を収集しています。skill を開くとソースと詳細を確認できます。
- 記録された最新のソース活動
- SkillsMP カタログ更新
- 収集済み skills
- 6
- GitHub スター
- 128
- GitHub フォーク
- 11
このリポジトリの skills
2 件の職業カテゴリ · 100% 分類済み
収集済み skill 6 件中 6 件を表示しています。
skill
職業分類
説明
更新
職業分類
ソフトウェア開発者
説明
Add a new AI model to the eval runner, update the manual eval workflow, push changes, and trigger baseline eval runs. Use when the user wants to add a new model, onboard a model, or mentions a new model name/link to add to the leaderboard.
原文の言語: 英語
更新
職業分類
ソフトウェア品質保証アナリスト・テスター
説明
Investigate a single failing eval from the convex-evals system. Use when the user shares a visualizer URL pointing to a specific eval, asks about a specific failing eval, or references a specific eval ID.
原文の言語: 英語
更新
職業分類
ソフトウェア品質保証アナリスト・テスター
説明
Analyze all failures in a convex-evals run, spawning parallel sub-agents to investigate each failure and producing a report with classifications and recommendations. Use when the user asks to analyze an entire run, review all failures in a run, or wants to…
原文の言語: 英語
更新
職業分類
ソフトウェア品質保証アナリスト・テスター
説明
Empirically verify guideline changes by running before/after eval runs across multiple models and ensuring no regressions. Use when proposing or reviewing changes to runner/models/guidelines.ts, or when the user asks to validate guidelines.
原文の言語: 英語
更新
職業分類
ソフトウェア品質保証アナリスト・テスター
説明
Analyze guideline ablation experiment results to determine which guideline sections are essential, marginal, or dispensable. Use when the user asks to analyze ablation results, interpret guideline compaction data, or wants to know which guidelines to keep for…
原文の言語: 英語
更新
収集済み skill 6 件中 6 件を表示しています。