BC model-council-voting
Запускает несколько языковых моделей в качестве независимых кодировщиков для одной задачи маркировки или обнаружения и рассматривает расхождения как данные. Охватывает сбор разнообразной панели, независимое голосование, правила консенсуса, каппу Коэна и Флейса, альфу Криппендорфа, ограничения коррелированных ошибок на утверждения о достоверности, проверку человеком и отчетность. Используйте, когда пользователь спрашивает о совете, панели, ансамбле или жюри моделей, как объединить метки моделей или какую каппу или альфу сообщить для кодировщиков моделей. Работа с кодексом одной модели и валидацией относится к text-classification, уверенность по элементам — к llm-calibration-logprobs.
машинный переводПоказать оригиналСкрыть оригинал«Runs several language models as independent coders on one labeling or…»
Runs several language models as independent coders on one labeling or discovery task and treats disagreement as data. Covers diverse panel assembly, independent voting, consensus rules, Cohen’s and Fleiss kappa, Krippendorff’s alpha, correlated-error limits on validity claims, human validation, and reporting. Use when the user asks about a council, panel, ensemble, or jury of models, how to combine model labels, or what kappa or alpha to report for model coders. Single-model codebook and validation work goes to text-classification, per-item confidence to llm-calibration-logprobs.
Запускает несколько языковых моделей в качестве независимых кодировщиков для одной задачи маркировки или обнаружения и рассматривает расхождения как данные.
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 55/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Стоимость исполнения. Тело инструкции 4242 токенов
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 49
- 100Согласованность. Имя и обязательные поля на месте
- high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 586 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 49 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.