Agent Skills
返回列表
📊

TR 基准评测

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_741f4977/tr-benchmark。

技能介绍

要解决什么问题

在数据分析场景里做基准测试(benchmark)时,常见痛点不是「不会跑脚本」,而是:指标口径、对照组设定、结果表结构和解读话术长期不一致。换一个人接手,或把实验从笔记本迁到对话式助手时,很容易遗漏关键约束,输出无法和以往轮次对齐。

tr-benchmark(@user_741f4977/tr-benchmark)作为 SkillHub 上的大模型技能,目的在于把这些与 benchmark 相关 的约定装进助手上下文,让同类任务按同一套 Skill 文档执行,而不是每次从零口头描述需求。

技能如何工作

技能本体以 SKILL.md 为权威说明:助手在加载 @user_741f4977/tr-benchmark 后,应优先遵循其中定义的流程、数据字段与输出要求来组织回答与中间步骤。

从分类与命名可推断的典型工作重心包括:

  • 结果整理:把多轮跑分、日志或导出表按固定维度汇总,便于版本或配置对比。
  • 口径对齐:在对话中反复强调同一组指标名、分母/分子定义,减少「同名不同义」的表格。
  • 分析叙述:在已有数值基础上,按技能约定的结构写清对照关系与局限,而不是只堆数字。

具体每一步以你本地或线上下载到的 SKILL.md 正文 为准;若文档后续更新,行为应以最新版技能说明为参照。

适用边界与注意点

  • 本介绍不能替代完整 SKILL.md;未在技能文档中写明的核心能力不应默认具备。
  • 技能侧重分析与表述约定,一般不等价于替你部署 benchmark 运行环境或保证统计检验的学术严谨性;关键结论仍建议复核原始数据与实验配置。
  • 若你的任务与「基准评测 + 数据分析」无关,应选用其他分类技能,避免上下文噪声。

使用场景

  • 多轮模型或配置跑分完成后,要把各次 JSON/CSV 汇总成同一列头的对比表
  • 团队更换 benchmark 口径前,需在对话里按技能约定核对指标名与分母定义是否一致
  • 写版本回归说明时,要把同一数据集上的分数差分整理成可引用的段落结构
  • 从原始评测日志抽取关键字段,生成供内部分享的简表而非重新手抄

适合人员

  • 负责每周发版、需要把新构建与基线分数逐项对照的算法工程师
  • 要把实验跑分整理进技术报告或附录、且格式需与组内模板一致的研究员
  • 维护多条 benchmark 流水线、希望助手按固定字段解读导出结果的 MLOps 工程师
  • 接手他人实验笔记、需先弄清指标含义再汇总的数据分析实习生