waldiez/slm-callsite-eval

NeurIPS 2026 SLM-Agents ワークショップ論文のベンチマークリポジトリ waldiez/slm-callsite-eval が、README に arXiv・Hugging Face 論文ページ・データセットへのリンクと `load_dataset` のサンプルコードを追加した。

GitHub の説明: Benchmark, harness and scored records for "Not Every Call Needs a Frontier Model" (SLM-Agents @ NeurIPS 2026): per-call-site evaluation of 9 local and hosted LLMs across 5 call sites of the Wactorz home-automation agent, with live end-to-end validation.