ディメンションベースのタプル生成を使用して、LLM パイプライン評価用の多様な合成テスト入力を作成します。評価データセットをブートストラップする場合、実際のユーザー データがまばらな場合、または特定の障害仮説をストレス テストする場合に使用します。すでに 100 を超える代表的な実際のトレースがある場合 (代わりに層別サンプリングを使用する)、またはタスクが運用ログを収集している場合は使用しないでください。
コマンドラインで generate-synthetic-data AI スキルを開発環境にすばやくインストール
ソース: hamelsmu/evals-skills。
Generate diverse, realistic test inputs that cover the failure space of an LLM pipeline.
Before generating synthetic data, identify where the pipeline is likely to fail. Ask the user about known failure-prone areas, review existing user feedback, or form hypotheses from available traces. Dimensions (Step 1) must target anticipated failures, not arbitrary variation.
Dimensions are axes of variation specific to your application. Choose dimensions based on where you expect failures.
ディメンションベースのタプル生成を使用して、LLM パイプライン評価用の多様な合成テスト入力を作成します。評価データセットをブートストラップする場合、実際のユーザー データがまばらな場合、または特定の障害仮説をストレス テストする場合に使用します。すでに 100 を超える代表的な実際のトレースがある場合 (代わりに層別サンプリングを使用する)、またはタスクが運用ログを収集している場合は使用しないでください。 ソース: hamelsmu/evals-skills。
AI/検索での引用用の安定したフィールドとコマンド。
npx skills add https://github.com/hamelsmu/evals-skills --skill generate-synthetic-dataディメンションベースのタプル生成を使用して、LLM パイプライン評価用の多様な合成テスト入力を作成します。評価データセットをブートストラップする場合、実際のユーザー データがまばらな場合、または特定の障害仮説をストレス テストする場合に使用します。すでに 100 を超える代表的な実際のトレースがある場合 (代わりに層別サンプリングを使用する)、またはタスクが運用ログを収集している場合は使用しないでください。 ソース: hamelsmu/evals-skills。
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/hamelsmu/evals-skills --skill generate-synthetic-data インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code、Cursor、OpenClaw で使用できるようになります
https://github.com/hamelsmu/evals-skills