evaluating-llms
✓使用自動化指標、LLM 法官和基準評估 LLM 系統。在測試即時質量、驗證 RAG 管道、測量安全性（幻覺、偏差）或比較生產部署模型時使用。
SKILL.md
Evaluate Large Language Model (LLM) systems using automated metrics, LLM-as-judge patterns, and standardized benchmarks to ensure production quality and safety.
| Task Type | Primary Approach | Metrics | Tools |
| Classification (sentiment, intent) | Automated metrics | Accuracy, Precision, Recall, F1 | scikit-learn | | Generation (summaries, creative text) | LLM-as-judge + automated | BLEU, ROUGE, BERTScore, Quality rubric | GPT-4/Claude for judging | | Question Answering | Exact match + semantic similarity | EM, F1, Cosine similarity | Custom evaluators |
使用自動化指標、LLM 法官和基準評估 LLM 系統。在測試即時質量、驗證 RAG 管道、測量安全性（幻覺、偏差）或比較生產部署模型時使用。 來源：ancoleman/ai-design-components。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/ancoleman/ai-design-components --skill evaluating-llms- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-01
- 更新時間
- 2026-02-18
快速解答
什麼是 evaluating-llms？
使用自動化指標、LLM 法官和基準評估 LLM 系統。在測試即時質量、驗證 RAG 管道、測量安全性（幻覺、偏差）或比較生產部署模型時使用。 來源：ancoleman/ai-design-components。
如何安裝 evaluating-llms？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/ancoleman/ai-design-components --skill evaluating-llms 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/ancoleman/ai-design-components
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-01