Tilhørende videoer

Sådan bygger du evalueringer, der faktisk opdager regressioner — ledsagende videoer

Eval-design er den del af LLM-arbejde, hvor YouTube-kanonen er tynd — det meste populære indhold er "hvad er det bedste benchmark" snarere end "hvordan stopper jeg mit produkt i stille at blive værre". Begge valg ligger under vores sædvanlige visningsgrænse, fordi det ægte er sådan, denne del af feltet ser ud; de er de klareste behandlinger tilgængelige — den ene en hands-on solo-bygning, den anden et produktionscasestudie — parret, så du kan se samme problem fra to vinkler.