关于这个 Skill
用于检查和改进具体产品大模型评测的实用工作流。
为什么推荐
针对产品评测材料进行专项审查，包括评委模型与人工标签的一致性验证。
合集中的 Skills
1 个 Skills- 查看 →
Eval Audit
审查大模型评测流程，检查错误分析缺失、评委模型未经验证、数据泄漏和评测过时等问题。
适合用来做什么
- 检查已有大模型评测系统，按证据确定改进优先级。
使用前需要了解
- 提供评测轨迹、评委提示词、标注数据或其他流程材料；可选连接观测平台。
资料与来源
原始资料见下方链接；文中的上手建议由 SkillHey 编辑整理。