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:

Cette compétence doit être utilisée lorsque l'utilisateur demande de « mettre en œuvre LLM-as-juge », « comparer les résultats du modèle », « créer des rubriques d'évaluation », « atténuer les biais d'évaluation » ou mentionne la notation directe, la comparaison par paires, le biais de position, les pipelines d'évaluation ou l'évaluation automatisée de la qualité. Source : chakshugautam/games.