agent-evaluation

Test et benchmark des agents LLM incluant les tests comportementaux, l'évaluation des capacités, les métriques de fiabilité et la surveillance en production—où même les meilleurs agents atteignent moins de 50% sur les benchmarks du monde réel.

Le contenu de ce skill est dans sa langue d’origine (souvent l’anglais).

Le SKILL.md complet n’a pas pu être chargé. Vous pouvez l’installer directement depuis le dépôt d’origine.