LIVE СВЕЖЕЕ
Securityskill-scanner: Анализ безопасности Skill, локальноSecurityskill-safe-install-l0-strict: Безопасная установка скилловTechnical Docsskill-creator: Создание и оптимизация скилловSecuritySecurity Skill: анализ и защита данныхTestingquality-gate: Скилл итеративного улучшения артефактовAutomation To..redis-development: Скилл оптимизации производительности RedisTechnical Docsjsdoc-comment-generator: Скилл для автоматической генерации комментариевNoSQL Databasesbackend-coding-standards: Скилл для стандартизации кодаAutomation To..openapi-spec-generator: Скилл для генерации APIDatabase Toolstype-mapping-encyclopedia: Скилл для преобразования типов данныхSecurityskill-scanner: Анализ безопасности Skill, локальноSecurityskill-safe-install-l0-strict: Безопасная установка скилловTechnical Docsskill-creator: Создание и оптимизация скилловSecuritySecurity Skill: анализ и защита данныхTestingquality-gate: Скилл итеративного улучшения артефактовAutomation To..redis-development: Скилл оптимизации производительности RedisTechnical Docsjsdoc-comment-generator: Скилл для автоматической генерации комментариевNoSQL Databasesbackend-coding-standards: Скилл для стандартизации кодаAutomation To..openapi-spec-generator: Скилл для генерации APIDatabase Toolstype-mapping-encyclopedia: Скилл для преобразования типов данных
$ pwd: ~ / categories / Development / Scripting / phoenix-evals-new-metric-freymvork-dlya-otsenki-bolshih-yazykovyh-modeley
view --main phoenix-evals-new-metric-freymvork-dlya-otsenki-bolshih-yazykovyh-modeley.md

phoenix-evals-new-metric — Фреймворк для оценки больших языковых моделей

//

phoenix-evals-new-metric предоставляет комплексную структуру для разработки, тестирования и документирования оценщиков для больших языковых моделей (LLM), особенно в задачах классификации. Решение позволяет создавать надежные и воспроизводимые оценки, критически важные для развития искусственного интеллекта и повышения качества работы AI-агентов. Фреймворк упрощает процесс создания и управления оценками, обеспечивая прозрачность и согласованность.

Основа фреймворка – конфигурационные файлы YAML, которые автоматически компилируются в Python и TypeScript код, генерируя классы оценщиков и обеспечивая автоматизированную конвейерную обработку для бенчмаркинга и документирования. Поддерживается широкий спектр метрик оценки LLM, а гибкая система шаблонов позволяет адаптировать оценщики к различным типам входных данных и задачам. Используются технологии Langchain и LLaMAIndex для расширения функциональности.

Ключевой особенностью является возможность интеграции с пользовательским интерфейсом экспериментов с наборами данных, что позволяет визуализировать и анализировать результаты оценки. Фреймворк обеспечивает четкий контракт между оценщиком и вызывающим кодом через использование переменных шаблонов, таких как {{input}} и {{output}}, что способствует созданию надежных и предсказуемых результатов.

Проводник файлов
1 файлы
SKILL.md
SKILL.md
readonly --- lines
Инициализация мануала...
package.json
Author
author
⭐ 9.1k | 🍴 780
Arize-ai
// Verified Repository Master Account
$ gh browse
$ install --global skills.sh
npx skills add https://github.com/Arize-ai/phoenix/tree/main/.agents/skills/phoenix-evals-new-metric
$ download --local man

[HINT] Скачивает всю директорию скилла с GitHub: SKILL.md и все связанные файлы