SKILL
evaluation-bigcode-evaluation-harness
使用pass@k指标在HumanEval、MBPP、MultiPL-E及15个以上基准上评估代码生成模型。适用于对代码模型进行基准测试、比较编码能力、测试多语言支持或衡量代码生成质量。这是BigCode Project的行业标准，被HuggingFace排行榜采用。
机器翻译查看英文原文
Evaluates code generation models across HumanEval, MBPP, MultiPL-E, and 15+ benchmarks with pass@k metrics. Use when benchmarking code models, comparing coding abilities, testing multi-language support, or measuring code generation quality. Industry standard from BigCode Project used by HuggingFace leaderboards.
适用对象：学习与科研。自动收录 · 待核查。
在 Claude Code 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗