Agent Skills

按标签浏览

# 基准测试 / Benchmarking(8)

💻
LM 评估测试框架
@user_ef9e183a/mlops-evaluation-lm-evaluation-harness

用于评测大语言模型的基准测试工具,内置 MMLU、GSM8K 等主流数据集,可量化模型质量与学术表现。

开发编程 2026.08.29 ↓ 141
💻
浏览器代理基准测试套件
@user_3c6cb52e/benchmark-browser-agents-on-a-fixed-stealth-and-task-suite-with-browser-use-benchmark

在固定隐身模式与任务套件上对浏览器代理进行基准测试,对比不同代理的可靠性与一致性。

开发编程 2026.08.29 ↓ 137
💻
OpenClaw 编码代理基准测试
@user_3c6cb52e/benchmark-openclaw-coding-agents-against-repeatable-real-tasks-before-rollout-with-pinchbench

在部署前使用 PinchBench 对 OpenClaw 编码代理进行可重复的真实任务基准测试,确保变更不影响生产流程。

开发编程 2026.08.29 ↓ 127
💻
Hyperfine 命令行基准测试工具
@user_3c6cb52e/hyperfine-command-line-benchmarking-tool

Hyperfine 以统计严谨性对命令行程序做基准测试,支持预热运行、离群值剔除、参数化对比,并可导出 JSON、CSV 或 Markdown 结果。

开发编程 2026.08.29 ↓ 121
📊
TR 基准评测
@user_741f4977/tr-benchmark

user_741f4977 在 SkillHub 发布的大模型技能 tr-benchmark,分类为数据分析。

数据分析 2026.08.29 ↓ 43
智能体长期记忆评测台
智能体长期记忆评测台
@user_8a3569c1/memory-bench

面向大模型智能体的长期记忆能力评测与基准测试工作台。

AI Agent 2026.08.30 ↓ 38
💻
Go 基准测试与性能度量
@org-eyw2ohcx/samber-cc-skills-golang-golang-benchmark

从编写基准、`benchstat` 统计对比到 pprof 剖析与 CI 回归检测,覆盖 Go 性能度量的完整工作流。

开发编程 2026.08.30 ↓ 33
测一测
测一测
@user_57f71de6/skill-creator-v2

用于创建并迭代优化 Agent 技能,支持测试用例、评估断言、基准汇总和结果审阅。

AI Agent 2026.08.30 ↓ 1396