概述
该技能使 Claude 能够对机器学习模型进行全面的评估，提供详细的性能洞察。它借助 model-evaluation-suite 插件生成一系列指标，帮助用户就模型选择与优化做出有依据的决策。
工作原理
分析上下文：Claude 分析用户请求，识别需要评估的模型以及任何具体关注的指标。
执行评估：Claude 使用 /eval-model 命令在 model-evaluation-suite 插件中启动模型评估流程。
呈现结果：Claude 向用户展示生成的指标与洞察，突出关键性能指标以及可能的改进方向。
何时使用该技能
当你需要完成以下任务时，该技能会被激活：
评估机器学习模型的性能。
比较多个模型的性能。
识别模型可以改进的地方。
在部署前验证模型的性能。
示例
示例 1：评估模型准确率
用户请求：“评估我的图像分类模型的准确率。”
该技能将：
调用 /eval-model 命令。
在留出数据集上分析模型性能。
报告准确率分数及其他相关指标。
示例 2：比较模型性能
用户请求：“比较模型 A 和模型 B 的 F1 分数。”
该技能将：
分别为两个模型调用 /eval-model 命令。
从评估结果中提取 F1 分数。
呈现模型 A 与模型 B 的 F1 分数对比。
最佳实践
明确指标：清晰定义评估中具体关注的指标。
数据验证：确保用于评估的数据能够代表模型将在真实世界中遇到的数据。
解读结果：为评估结果提供背景与解读，以便做出有依据的决策。
集成
该技能与 model-evaluation-suite 插件无缝集成，在 Claude Code 环境中提供完整的模型评估解决方案。它可以与其他技能组合使用，构建自动化的机器学习工作流。