advanced-evaluation

This skill covers production-grade techniques for evaluating LLM outputs using LLMs as judges. It synthesizes research from academic papers, industry practices, and practical implementation experience into actionable patterns for building reliable evaluation systems.

Key insight: LLM-as-a-Judge is not a single technique but a family of approaches, each suited to different evaluation contexts. Choosing the right approach and mitigating known biases is the core competency this skill develops.

Evaluation approaches fall into two primary categories with distinct reliability profiles:

يجب استخدام هذه المهارة عندما يطلب المستخدم "تنفيذ LLM-as-قاضي"، أو "مقارنة مخرجات النموذج"، أو "إنشاء عناوين تقييم"، أو "تخفيف تحيز التقييم"، أو يذكر التسجيل المباشر، أو المقارنة الزوجية، أو تحيز الموضع، أو خطوط أنابيب التقييم، أو تقييم الجودة الآلي. المصدر: muratcankoylan/agent-skills-for-context-engineering.