advanced-evaluation

SKILL.md

LLM-as-a-Judge techniques for evaluating AI outputs. Not a single technique but a family of approaches - choosing the right one and mitigating biases is the core competency.

Direct Scoring: Single LLM rates one response on a defined scale.

Pairwise Comparison: LLM compares two responses and selects better one.

Domine las técnicas de evaluación de LLM como juez, incluida la puntuación directa, la comparación por pares, la generación de rúbricas y la mitigación de sesgos. Úselo al crear sistemas de evaluación, comparar resultados de modelos o establecer estándares de calidad para contenido generado por IA. Fuente: shipshitdev/library.

Ver original