Skip to main content
Manusで任意のスキルを実行
ワンクリックで

ai-model-evaluation

スター1
フォーク0
更新日2026年3月16日 02:22

To systematically assess the performance, accuracy, and safety of LLM outputs using quantitative metrics and "LLM-as-a-Judge" patterns, ensuring production readiness. Use when: Before deploying any LLM application to production; When comparing different models (e.g., GPT-4o vs. Claude 3.5 Sonnet) or prompt versions; To detect regressions after updating prompts or RAG knowledge bases.

インストール

Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。

SKILL.md
readonly