Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

De la autor

Use when the user wants to compare or benchmark multiple LLMs/agents arena-style but it's unclear which specific workflow fits — a general-purpose win-rate comparison on a custom task, or a benchmark specifically about reference/citation hallucination rate. Also use when the user mentions model arena, agent arena, pairwise model comparison, win-rate ranking, or comparing models on a task and hasn't specified whether that task is generic or about citation accuracy. This skill is the entry router for the arena-eval suite: it asks one diagnostic question when needed, then recommends the workflow or workflows needed to cover the request.

Instalare

npx skills add agentscope-ai/OpenJudge --skill 00-arena-router -a claude-code

Se instalează în .claude/skills/00-arena-router/ · Fiecare comandă descarcă skill-ul direct de pe GitHub cu utilitarul open source skills.

Descarcă .zip

Identic octet cu octet cu commit-ul scanat, cu licența depozitului și un fișier SOURCE.txt.

Vrei ca agentul să-ți propună skill-uri în timp ce scrii? Vezi cum folosești skill-urile din IDE.

Verificări de siguranță pe SKILL.md

Niciun avertisment.

De ce 87

Securitate100
Proveniență75
Întreținere100
Licență100
Adopție48

aiqbench calculează scorul de încredere din semnale publice. Nu este un audit de securitate, așa că citește un skill înainte să-l instalezi.

Skill-uri similare

Cele mai apropiate de acesta prin ce fac și când sunt folosite.

Note și recenzii

—

nicio recenzie

Ai încercat acest skill? Notează-l ca să-i ajuți pe alții. Autentifică-te

    Discuție

    Intră în discuție. Autentifică-te