本课程中使用的来源的非详尽列表，以及可帮助您的评估工具。
Maud Nalpas
如需获取有关测试和 AI 的更多资源，建议您参阅以下资源。
- 学习测试：更新您的测试方法。
- 学习 AI：为您的网站和 Web 应用设计 AI 系统。
- Google DeepMind Evals： 适用于不同类型模型的多种标准化基准比较工具
- Gemini 评估实操指南： 使用 Vertex AI 试验和评估生成式 AI 模型的配方。
- Responsible AI 工具包：评估模型和系统的安全性。
- 评估评估：关于如何了解要使用哪些评估以及哪些评估效果良好的元课程。
- 构建更优质的 AI 基准：多少评分者才足够？ 了解一种机器学习模型评估框架，该框架可优化商品数量与每个商品的标注者数量之间的权衡，以构建可重现的 AI 基准。
课程来源
我们在撰写本系列文章时参考了多个来源，包括：
- AI Engineering: Building Applications with Foundation Models，Chip Huyen
- Michael Hablich（Chrome 开发者工具）撰写的降低 LLM 赋能应用的 QA 风险
- Hamel Husain 撰写的使用 LLM 作为评估工具：完整指南
评估工具
评估解决方案和工具的示例包括：
- AlignEval
- Arize
- Braintrust
- Datadog
- DeepEval
- Gen AI Evaluation Service 和 API
- 检查评估
- JudgeLM
- LangSmith
- 评估框架
- OpenEvals
还有许多其他评估工具可供使用。如果您使用其他工具，请与我们分享。