登录
下载

Skill UI

浏览并发现 9916+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 模型评估 ，共找到 86 条记录
默认排序 最新上传 最多下载

大语言模型智能体评估

agent-evaluation
sickn33/antigravity-awesome-skills
271
这是一个用于全面测试和评估大型语言模型（LLM）智能体的框架。它超越了简单的通过/失败判断，深入评估智能体的复杂行为、可靠性指标和能力一致性。适用于生产环境的监控，帮助识别高级AI智能体中的微妙故障模式。
查看详情

Azure AI项目管理SDK for Java

azure-ai-projects-java
sickn33/antigravity-awesome-skills
399
这是一个专为Java开发的SDK，用于管理Azure AI Foundry中的整个AI项目生命周期。它提供高层级的客户端接口，用于处理关键的AI项目操作，包括管理与Azure资源的连接、上传和管理数据集、创建和更新搜索索引、运行模型评估以及管理部署，极大地简化了复杂的AI工作流编排。
查看详情

Azure AI项目管理SDK for Java

azure-ai-projects-java
sickn33/antigravity-awesome-skills
399
这是一个专为Java开发的SDK，用于管理Azure AI Foundry中的整个AI项目生命周期。它提供高层级的客户端接口，用于处理关键的AI项目操作，包括管理与Azure资源的连接、上传和管理数据集、创建和更新搜索索引、运行模型评估以及管理部署，极大地简化了复杂的AI工作流编排。
查看详情

Azure Arize AI 可观测性与评估管理

azure-mgmt-arizeaiobservabilityeval-dotnet
sickn33/antigravity-awesome-skills
192
这是一个用于.NET的Azure SDK，专门用于管理Azure资源管理器中的Arize AI可观测性和评估资源。它允许开发者程序化地对AI组织资源进行创建、读取、更新和删除，是用于监控、跟踪和评估部署在Azure上的AI模型性能的关键工具。
查看详情

交易策略回测框架构建

backtesting-frameworks
sickn33/antigravity-awesome-skills
383
本技能用于构建专业级、鲁棒的交易策略回测系统。它指导用户系统化地验证交易策略的性能和稳健性，帮助规避常见的回测偏差。适用于金融量化交易和算法交易的初期模型验证与性能评估。
查看详情

交易策略回测与优化

backtesting-trading-strategies
jeremylongshore/claude-code-plugins-plus-skills
386
这是一个全面的交易策略回测工具，用于利用历史市场数据测试和验证加密货币及传统金融交易模型。它能够计算夏普比率、最大回撤等核心性能指标，模拟交易过程，并提供参数网格搜索等优化功能，帮助用户在实盘前评估策略的风险和收益。
查看详情

分类模型构建

building-classification-models
jeremylongshore/claude-code-plugins-plus-skills
347
通过 classification-model-builder 插件，自动分析数据集、选择特征、调参并评估指标，实现垃圾邮件识别、客户流失预测等分类任务。
查看详情

推荐系统构建器

building-recommendation-systems
jeremylongshore/claude-code-plugins-plus-skills
376
生成针对协同、基于内容或混合策略的推荐系统代码与流程，涵盖数据处理、模型训练与评估，并顾及扩展性，帮助 Claude 提供个性化建议。
查看详情

混淆矩阵生成器

confusion-matrix-generator
jeremylongshore/claude-code-plugins-plus-skills
84
在机器学习训练场景中，自动响应混淆矩阵生成器相关请求，提供流程化指导、最佳实践校验及可直接使用的代码配置，帮助快速完成模型评估。
查看详情

耦合分析专家

coupling-analysis
tech-leads-club/agent-skills
335
使用《Balancing Coupling in Software Design》中的三维模型分析模块间耦合，评估强度、距离与波动性，识别架构异味并指导解耦或融合决策。
查看详情

Claude 评估驱动框架

eval-harness
affaan-m/everything-claude-code
90
Claude Code正式评估框架，先定义能力与回归标准，再用代码/模型/人工评估多个阶段，并持续跟踪pass@k和pass^k等可靠性指标以确保交付质量。
查看详情

代码模型评估与基准测试

evaluating-code-models
Orchestra-Research/AI-Research-SKILLs
124
本工具箱用于全面评估代码生成模型的性能。它支持针对HumanEval、MBPP、MultiPL-E等行业标准进行多语言基准测试。可量化比较不同大型语言模型（LLM）的编码能力，通过pass@k指标衡量代码生成质量。
查看详情
1234...678下一页
语言
简体中文
English