ml-model-eval（机器学习模型评估）
读取模型实验指标、数据集信息，完成大模型/机器学习模型效果评估，输出评估报告。
装好之后怎么用
怎么用：在 AI 工具里直接描述任务即可自动触发。显式调用的写法各端不同：Claude Code / Cursor 等用 /ml-model-eval，Codex 用 $ml-model-eval，Kimi Code 用 /skill:ml-model-eval，ZCODE 用 $ml-model-eval，Gemini CLI 以自动激活为主。
最近把自己反复在用的一套流程整理成了 skill：ml-model-eval。
它做的事：读取模型实验指标、数据集信息，完成大模型/机器学习模型效果评估，输出评估报告。
怎么用
- 用 skill 页的「复制给 Agent 一键安装」装进你的 AI 工具
- 之后直接描述任务即可自动触发
欢迎装来试试，问题评论区聊。
技能内容
SKILL.md版本与文件 ›Workflow
- 接收实验指标（accuracy、recall、F1、perplexity、幻觉率等）与数据集描述
- 横向对比多个模型指标，标出优劣
- 分析模型短板：是否过拟合、样本分布偏移、幻觉风险
- 输出结构化评估报告，包含改进建议
约束：评估结论必须基于输入指标，禁止编造实验数据。
评论 0
更多
登录后可点赞、收藏、评论和举报。
还没有评论，先发起一个具体问题。