Testing AI & LLM features
Në shqip: Testimi i veçorive me AI
ShpjegimiSQ
Përgjigjet e AI-së ndryshojnë çdo herë, prandaj s'kontrollohen me „të barabartë me“. Testohen me evals: grupe pyetjesh me kritere (a përmban faktin? a refuzon kërkesat e dëmshme?), shpesh të vlerësuara nga një tjetër LLM.
EnglishEN
AI answers vary every time, so they can't be checked with “equals”. They're tested with evals: question sets with criteria (does it contain the fact? does it refuse harmful requests?), often graded by another LLM.
Si ta mendosh
Si të vlerësosh esetë me një rubrikë në vend të një përgjigjeje të vetme të saktë.
Lexoje në anglisht
Like marking essays with a rubric instead of a single correct answer.