evaluating-llms-harness

作成者： firecrawl

60以上の学術ベンチマーク（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）でLLMを評価します。モデルの品質をベンチマークする際、モデルを比較する際、レポート作成時などに使用します。

npx skills add https://github.com/firecrawl/ai-research-skills --skill evaluating-llms-harness

ZIPダウンロード GitHub

firecrawlのその他のスキル

oracle CLIのベストプラクティス（プロンプトとファイルのバンドル、エンジン、セッション、ファイル添付パターン）

プロダクションAIアプリケーション向けの管理型ベクトルデータベース。フルマネージド、自動スケーリング、ハイブリッド検索（高密度＋スパース）、メタデータフィルタリング、名前空間を備えています。…

sentence-transformers

最先端の文、テキスト、画像埋め込みのためのフレームワーク。セマンティック類似性、クラスタリング、検索用に5000以上の事前学習済みモデルを提供。…

WordPress Playgroundのワークフローに使用：ブラウザまたはローカルで@wp-playground/cli（サーバー、run-blueprint、build-snapshot）を介した高速な使い捨てWPインスタンス、…

wp-plugin-development

WordPressプラグイン開発時に使用：アーキテクチャとフック、アクティベーション/ディアクティベーション/アンインストール、管理UIと設定API、データストレージ、cron/タスク、セキュリティ…

wp-project-triage

WordPressリポジトリ（プラグイン/テーマ/ブロックテーマ/WPコア/Gutenberg/フルサイト）のツール/テスト/バージョンなどを含む確定的な検査が必要な場合に使用します。

WordPress REST APIのエンドポイント/ルート（register_rest_route、WP_REST_Controller/コントローラークラス、スキーマ/引数…）の構築、拡張、デバッグ時に使用します。

wp-wpcli-and-ops

WordPressの操作でWP-CLI（wp）を使用する際に利用：安全な検索置換、データベースのエクスポート/インポート、プラグイン/テーマ/ユーザー/コンテンツ管理、cron、キャッシュフラッシュなど