También llamado: Evaluaciones, batería de pruebas de IA
Las evals son pruebas repetibles para comprobar lo bien que una aplicación de IA hace su trabajo.
Ejemplo
Antes de cada actualización, pruebas tu bot de soporte con las mismas 100 preguntas y comparas el porcentaje de aciertos.
Para profesionales
A diferencia de los benchmarks públicos, las evals prueban tu propia tarea con tus propios datos. La puntuación es automática, humana o con LLM como juez. Unas buenas evals incluyen casos límite difíciles y se ejecutan con cada cambio de prompt, modelo o datos.
Prompts, skills, agentes y herramientas relacionados
