Об этом Skill
Practical workflows for assessing and improving product-specific LLM evaluations.
Почему мы его выбрали
A focused audit of product evaluation artifacts, including judge validation against human labels.
Навыки в этой коллекции
1 навыков- Открыть →
Eval Audit
Audit an LLM evaluation pipeline for missing error analysis, unvalidated judges, data leakage and stale checks.
Для каких задач подходит
- Review an existing LLM evaluation system and prioritize evidence-backed improvements.
Перед использованием
- Provide evaluation traces, judge prompts, labeled data or other pipeline artifacts; an observability integration is optional.
Источники и материалы
Ссылки на оригинальные материалы приведены ниже. Практические идеи предложены редакцией SkillHey.