rank-eval
De la autor
Build ranking evaluation — NDCG/MRR measurement, human relevance labeling, offline eval harness. Use when asked to "measure ranking quality", "compute NDCG for our search", or "set up human relevance labeling".
Instalare
npx skills add tonone-ai/tonone --skill rank-eval -a claude-code
Se instalează în .claude/skills/rank-eval/ · Fiecare comandă descarcă skill-ul direct de pe GitHub cu utilitarul open source skills.
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
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.
- rank-recontonone-ai/tononeAudit ranking quality — metric trends, failure modes, dataset coverage, reranker performance. Use when asked to "audit our ranking quality", "find search relevance failures", or "review reranker performance".Inginerie★ 76
- rag-evalagentscope-ai/OpenJudgeUse when the user has a RAG (Retrieval-Augmented Generation) system and wants to evaluate its quality — separating retrieval issues from generation issues. Also use when the user mentions RAG evaluation, faithfulness checking, hallucination detection in RAG, retrieval quality, chunking optimization, or "is my RAG pipeline working." Outputs a diagnostic matrix that pinpoints whether problems are in retrieval or generation.Altele★ 911
- context-rankingseb1n/awesome-ai-agent-skillsRank an existing set of context chunks by relevance, diversity, freshness, and utility. Use when retrieval has already produced candidates that must be scored or reranked; use context-retrieval when the source corpus still needs to be searched.Productivitate★ 230
- score-evaltonone-ai/tononeDesign an evaluation framework for a ML model — metrics, splits, and reporting. Use when asked "how should we evaluate this model", "design evaluation metrics", or "plan our train test split".Testare★ 76
- vendor-evaluationw95/awesome-claude-corporate-skillsEvaluate vendors with comparison matrices, TCO analysis, risk assessment, reference check templates, and negotiation strategiesAltele★ 278
- evalalirezarezvani/claude-skillsEvaluate and rank agent results by metric or LLM judge for an AgentHub session. Use when the user runs /hub:eval or asks to score, compare, or pick a winner among completed AgentHub agents.Altele★ 28.8K
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