کاروایز
با کفش «راه»، هر روز راحت‌تر قدم بردار.
ارسال فوری رایگان و ۳۰ روز مرجوعی!
مدل موردعلاقه‌ات رو ببین.
Evals چیست؟
ارزیابی هوش مصنوعی
Evals یا ارزیابی هوش مصنوعی یعنی سنجیدن خروجی AI با معیارهای مشخص.
به‌جای اعتماد به یک جواب قشنگ، دقت، کیفیت و نتیجهٔ واقعی رو بررسی کن.
اطلاعات واقعی این مثالکفش «راه»ارسال: ۳ روزمرجوعی: ۷ روز
جواب رو بررسی کن
✓قول درست؟
✓دعوت روشن؟
✓کوتاه و خوانا؟
کفش «راه» رو با ارسال ۳روزه و ۷ روز مهلت مرجوعی امتحان کن.
مدل موردعلاقه‌ات رو ببین.
لحن مطمئن، درست‌بودن جواب رو ثابت نمی‌کند.
این یعنی ارزیابی؛ یا Eval. یک مثال، چند معیار، و نتیجه‌ای که دلیلش روشنه.
با خروجی خودت شروع کن؛ مثال‌های آماده هم در دسترس‌اند.AI رو تغییر دادی؟ با همان معیارها دوباره بسنج.
یک مثال معمولی، یک مورد دشوار و یک جواب اشتباه رو نگه دار. بعد از هر تغییر، همان‌ها رو دوباره بررسی کن.
