evaluating-llms-harness

作者： firecrawl

評估60多項學術基準（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）的LLM表現。用於模型品質基準測試、模型比較、報告撰寫等場景。

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

下載 ZIP GitHub

來自 firecrawl 的更多技能

使用 oracle CLI 的最佳實踐（提示與檔案捆綁、引擎、會話及檔案附加模式）。

專為生產級AI應用設計的受管向量資料庫。全受管、自動擴展，具備混合搜尋（密集+稀疏）、元資料過濾與命名空間功能。…

sentence-transformers

用於最先進句子、文本和圖像嵌入的框架。提供5000多個預訓練模型，用於語義相似度、聚類和檢索。…

用於 WordPress Playground 工作流程：在瀏覽器中或透過 @wp-playground/cli（伺服器、執行藍圖、建立快照）快速建立可拋棄式 WP 實例，…

wp-plugin-development

用於開發 WordPress 外掛時：架構與掛鉤、啟用/停用/解除安裝、管理介面與設定 API、資料儲存、排程/任務、安全性…

wp-project-triage

當你需要對 WordPress 儲存庫（外掛/佈景主題/區塊佈景主題/WP 核心/Gutenberg/完整網站）進行確定性檢查，包括工具、測試、版本等時使用。

在建立、擴充或除錯 WordPress REST API 端點/路由時使用：register_rest_route、WP_REST_Controller/控制器類別、schema/引數…

wp-wpcli-and-ops

在處理 WP-CLI（wp）的 WordPress 操作時使用：安全搜尋取代、資料庫匯出/匯入、外掛/主題/使用者/內容管理、排程、快取清除……