【核心功能】:首个衡量 AI 智能体使用技能效果的基准,通过 gym 式评测同时考察技能有效性(技能文件夹的指令、脚本与资源质量)和智能体行为。…
用途 Use —— 衡量智能体使用技能效果的基准
来源 Source —— 组织仓库 · PDDL · 更新于 3 个月前
Job · 职业方向
以下是站内标注为适合「模型评测工程师」的全部条目,按 Stars 热度排序。每个条目都讲清了它是什么、能做什么、该怎么用,可直接跳转 GitHub 仓库核对。
请留意:这份清单偏「相关」而不是「专属」 —— 该岗位的 1 个条目几乎全部同时被归入其它职业(专属 0 个,排他率 0%)。也就是说这里的排序主要反映仓库热度,而不是「这个岗位必须掌握」。想收窄范围,可以用下面的入口带着职业去目录页叠加关键词。
【核心功能】:首个衡量 AI 智能体使用技能效果的基准,通过 gym 式评测同时考察技能有效性(技能文件夹的指令、脚本与资源质量)和智能体行为。…
用途 Use —— 衡量智能体使用技能效果的基准