차원 기반 튜플 생성을 사용하여 LLM 파이프라인 평가를 위한 다양한 합성 테스트 입력을 만듭니다. 평가 데이터 세트를 부트스트래핑할 때, 실제 사용자 데이터가 희박할 때 또는 특정 실패 가설을 스트레스 테스트할 때 사용합니다. 이미 100개 이상의 대표적인 실제 추적이 있거나(대신 계층화된 샘플링 사용) 작업이 프로덕션 로그를 수집하는 경우에는 사용하지 마십시오.
명령줄에서 generate-synthetic-data AI 스킬을 개발 환경에 빠르게 설치
출처: 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.
차원 기반 튜플 생성을 사용하여 LLM 파이프라인 평가를 위한 다양한 합성 테스트 입력을 만듭니다. 평가 데이터 세트를 부트스트래핑할 때, 실제 사용자 데이터가 희박할 때 또는 특정 실패 가설을 스트레스 테스트할 때 사용합니다. 이미 100개 이상의 대표적인 실제 추적이 있거나(대신 계층화된 샘플링 사용) 작업이 프로덕션 로그를 수집하는 경우에는 사용하지 마십시오. 출처: hamelsmu/evals-skills.
AI/검색 인용용 안정적인 필드와 명령어.
npx skills add https://github.com/hamelsmu/evals-skills --skill generate-synthetic-data차원 기반 튜플 생성을 사용하여 LLM 파이프라인 평가를 위한 다양한 합성 테스트 입력을 만듭니다. 평가 데이터 세트를 부트스트래핑할 때, 실제 사용자 데이터가 희박할 때 또는 특정 실패 가설을 스트레스 테스트할 때 사용합니다. 이미 100개 이상의 대표적인 실제 추적이 있거나(대신 계층화된 샘플링 사용) 작업이 프로덕션 로그를 수집하는 경우에는 사용하지 마십시오. 출처: hamelsmu/evals-skills.
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/hamelsmu/evals-skills --skill generate-synthetic-data 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code, Cursor, OpenClaw에서 사용할 수 있습니다
https://github.com/hamelsmu/evals-skills