Sari la conținut

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

De la autor

Analyze alignment between LLM judge scores and human labels in an eval dataset. Use this skill whenever someone wants to evaluate how well an LLM judge agrees with human reviewers, calculate TPR/TNR, investigate disagreements, or improve a scorer prompt. Trigger on phrases like: "calculate TPR/TNR", "judge alignment", "where does the LLM disagree with humans", "improve my scorer", "why is the LLM getting these wrong", "compare human labels to LLM scores", "evaluate my eval", or any time someone shares eval results and asks about score quality or judge calibration.

Instalare

npx skills add Calibre-Labs/reforge-ai-evals --skill llm-align -a claude-code

Se instalează în .claude/skills/llm-align/ · 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 83

Securitate100
Proveniență63
Întreținere100
Licență100
Adopție34

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