Google uses AI technology to translate content into your preferred language. AI translations can contain errors. الصفحة الرئيسية Docs AI on Chrome Learn Evals تنظيم صفحاتك في مجموعات يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة. هل يمكنك إنشاء تقييمات مستندة إلى الذكاء الاصطناعي؟ العودة إلى المسار لماذا لا تكفي الحدسية لقياس جودة التطبيقات المستنِدة إلى النماذج اللغوية الكبيرة؟ لأنّ النماذج اللغوية الكبيرة احتمالية، وغالبًا ما تكون الجودة ذاتية. لأنّ نماذج اللغات الكبيرة تكون بشكل عام بطيئة جدًا بحيث لا يمكن اختبارها في بيئة تطوير عادية. لأنّ النماذج اللغوية الكبيرة (LLM) حتمية، ما يعني أنّ الطلب نفسه يؤدي دائمًا إلى الردّ نفسه. لأنّ نماذج اللغات الكبيرة الحديثة لا تتضمّن أي أخطاء، ما يجعل عمليات القياس غير ضرورية. أيّ مما يلي هو مثال على تقييم مستند إلى قواعد لتطبيق ThemeBuilder؟ تحديد ما إذا كان الشعار جذابًا بما يكفي للجمهور المستهدف التأكّد من أنّ نسبة التباين بين لون النص ولون الخلفية هي 4.5:1 على الأقل تقييم ما إذا كانت لوحة الألوان مناسبة من الناحية النفسية لطبيب أسنان رفيع المستوى التحقّق مما إذا كان الشعار الذي تم إنشاؤه يتطابق مع الأسلوب الملهم الذي طلبه المستخدم ما هو الغرض الأساسي من استخدام التقييم الثنائي بدلاً من التقييم النقطي؟ لتقليل تكلفة طلبات البيانات من واجهة برمجة التطبيقات من خلال اختبار مدخلَين في الوقت نفسه لتقييم القيود الثنائية، مثل تنسيق JSON لضمان عدم منح القاضي المستند إلى نموذج اللغة الكبير التصنيف FAIL لأي ناتج. للسماح للحكم باختيار فائز بين نتيجتين، وهو أمر غالبًا ما يكون أكثر اتساقًا من تقديم درجة مطلقة. عند إعداد نموذج تقييم، لماذا يجب ضبط درجة العشوائية على 0؟ لمزيد من المعلومات، يمكنك السماح للقاضي بإنشاء تفسيرات أطول وأكثر تفصيلاً. بالنسبة إلى التكلفة، يمكنك جعل عملية التقييم أرخص من خلال استخدام عدد أقل من الرموز المميزة. لضمان الاتساق، أي أن يقدّم الحكم الإجابة نفسها للطلب نفسه في كل مرة. لتحقيق أقصى قدر من الإبداع في تقييمات الحكّام ماذا يعني الإفراط في التكيّف في مسار التقييم؟ عند تعديل الطلب ليتوافق مع معيار معيّن، ولكن يتعذّر تعميمه على بيانات جديدة لم يسبق رؤيتها. عندما يكون الحكم بطيئًا جدًا في التشغيل في عملية الدمج المتواصل/التسليم المتواصل. عند استخدام كلّ من الاختبارات المستندة إلى القواعد وتقييمات الذكاء الاصطناعي عندما يتم ضبط درجة العشوائية منخفضة جدًا أو إعدادات أخرى عالية جدًا في أداة التقييم ما هو الغرض من استخدام أسلوب التشغيل الذاتي؟ إعادة أخذ عيّنات عشوائية من مجموعة بيانات المواءمة للتحقّق من مدى حساسية نتيجة الحكم لإنشاء عدد كبير من مدخلات المستخدمين الاصطناعية باستخدام نموذج أصغر لإصلاح الأخطاء في الرمز البرمجي للتطبيق تلقائيًا لتنفيذ مخطط JSON لجميع مدخلات ومخرجات القاضي ما هو المقياس المستخدَم لقياس "الاتفاق الذي يتجاوز الصدفة" بين الخبراء البشريين أو بين القاضي والشخص؟ الدقة الدقة نتيجة كابا درجة F1 عند تقييم مدى احتواء المحتوى على لغة غير لائقة، لماذا يجب منح الأولوية لمقياس المراجعة على مقياس صحة النموذج؟ ذلك لأنّ النتائج السامة هي الفئة السلبية في هذا السياق المحدّد. لأنّه من المهم تحديد جميع النواتج السامة، حتى لو كانت بعضها إيجابية خاطئة، بدلاً من عدم رصد النواتج السامة (سلبية خاطئة). لأنّ الدقة العالية تضمن ألا يكون الحكم صارمًا أكثر من اللازم. بما أنّ مقياس الاسترجاع يتطلّب عددًا أقل من رموز API المميزة، يمكنك إجراء التقييم مرات أكثر. ما هو نمط قواعد التقييم الديناميكية؟ نظام يقيّم فيه المقيّمون كل ناتج من نواتج الإنتاج يدويًا. طلب يتضمّن متغيّرات عشوائية تتغيّر في كل مرة يتم تنفيذه. استخدام نموذج منفصل لإعادة كتابة طلب المستخدم قبل أن يصل إلى الحكم تمرير سلسلة تصف السلوك الدقيق أو حالة الاستخدام الحدّية التي يجب أن يبحث عنها الحكم في عيّنة معيّنة إرسال الإجابات error_outline حدث خطأ أثناء وضع درجات للاختبار. يُرجى المحاولة مرة أخرى. السابق arrow_back موارد الدورة التدريبية
