Empezar aquí

#calidad

7 páginas con esta etiqueta.

Roadmap

2

  • Nivel 80 · Evals

    Aprende a medir si tu agente funciona con un conjunto de prueba, evaluadores de código y de modelo, y comprobaciones automáticas en cada cambio.

  • Por qué evals: lo que no mides, se rompe

    Qué se rompe en un sistema con modelos cuando cambias algo sin medir, qué es exactamente una eval y cómo escribir tu primera en una tarde.

Cursos

1

  • Evals para agentes

    Monográfico para evaluar agentes de verdad, con resultado, trayectoria y coste, datasets que reflejan el uso real, graders bien calibrados y evals integradas en el trabajo diario.

Docs

1

  • Diseñar evals

    Cómo definir criterios de éxito, construir un conjunto de prueba, elegir el grader adecuado para cada criterio y montar un arnés de evals mínimo.

Patrones

1

  • Evaluador-optimizador

    Un modelo genera, otro evalúa con criterios explícitos y devuelve feedback, y el bucle se repite hasta aprobar o agotar los intentos.

Disciplinas

1

  • Evals como disciplina

    Medir de forma repetible si tu aplicación de IA hace lo que debe, antes y después de cada cambio, y usar esa medida para decidir.

Glosario

1

  • Evals

    Pruebas sistemáticas que miden si un sistema con LLM hace bien su tarea, sobre casos y criterios definidos.