メニュー
SkillsMP は wandb/llm-leaderboard-korean から 2 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。
収集済み skill 2 件中 2 件を表示しています。
Analyze one or more Horangi model configs against (1) HuggingFace model card claims, (2) the W&B leaderboard rankings, and (3) category-level peer comparison. Invoke when the user asks to analyze/compare model performance for a config (e.g. "analyze…
原文の言語: 英語
Deep-dive error pattern analysis for a single (model, benchmark) pair using Weave traces. Surfaces how/why the model is getting answers wrong — answer bias, format violations, language mixing, and 3-5 representative failure samples. Invoke when the user asks…
原文の言語: 英語