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:

Questa competenza dovrebbe essere utilizzata quando l'utente chiede di "implementare il LLM come giudice", "confrontare i risultati del modello", "creare rubriche di valutazione", "mitigare i bias di valutazione" o menziona il punteggio diretto, il confronto a coppie, il bias di posizione, le pipeline di valutazione o la valutazione automatizzata della qualità. Fonte: chakshugautam/games.