আপনি কি এআই মূল্যায়ন তৈরি করতে পারেন?

1. এলএলএম-ভিত্তিক আবেদনপত্রের গুণমান পরিমাপের জন্য স্বজ্ঞা কেন একটি অপর্যাপ্ত উপায়?

   যেহেতু এলএলএম সম্ভাবনামূলক, অর্থাৎ একই ইনপুট থেকে ভিন্ন ভিন্ন আউটপুট পাওয়া যেতে পারে, এবং এর গুণমান প্রায়শই ব্যক্তিভেদে ভিন্ন হয়।

   কারণ এলএলএমগুলো সাধারণত এতটাই ধীরগতির যে একটি সাধারণ উন্নয়ন পরিবেশে এগুলো পরীক্ষা করা যায় না।

   কারণ এলএলএম হলো ডিটারমিনিস্টিক, অর্থাৎ একই ইনপুট দিলে সর্বদা একই আউটপুট পাওয়া যায়।

   কারণ আধুনিক এলএলএম-এর ভুলের হার শূন্য, যা পরিমাপকে অপ্রয়োজনীয় করে তোলে।

2. নিম্নলিখিতগুলির মধ্যে কোনটি ThemeBuilder অ্যাপ্লিকেশনের জন্য নিয়ম-ভিত্তিক মূল্যায়নের একটি উদাহরণ?

   একটি মূলমন্ত্র লক্ষ্য দর্শকদের জন্য যথেষ্ট আকর্ষণীয় কিনা তা নির্ধারণ করা।

   টেক্সটের রঙ এবং ব্যাকগ্রাউন্ডের রঙের মধ্যে কনট্রাস্ট রেশিও কমপক্ষে ৪.৫:১ আছে কিনা তা যাচাই করা।

   একজন উচ্চস্তরের দন্তচিকিৎসকের জন্য একটি রঙের বিন্যাস মনস্তাত্ত্বিকভাবে উপযুক্ত কিনা তা মূল্যায়ন করা।

   তৈরি করা মূলমন্ত্রটি ব্যবহারকারীর অনুরোধ করা অনুপ্রেরণামূলক সুরের সাথে মেলে কিনা তা যাচাই করা হচ্ছে।

3. পয়েন্টওয়াইজ ইভ্যালুয়েশনের পরিবর্তে পেয়ারওয়াইজ ইভ্যালুয়েশন ব্যবহারের প্রধান উদ্দেশ্য কী?

   একই সাথে দুটি ইনপুট পরীক্ষা করে এপিআই কলের খরচ কমানো।

   JSON ফরম্যাটিং-এর মতো বাইনারি সীমাবদ্ধতা মূল্যায়ন করতে।

   এটা নিশ্চিত করা যে এলএলএম বিচারক যেন কোনো আউটপুটকে কখনো ‘ফেল’ লেবেল না দেন।

   বিচারককে দুটি আউটপুটের মধ্যে থেকে একটিকে বিজয়ী হিসেবে বেছে নেওয়ার সুযোগ দেওয়া, যা প্রায়শই একটি চূড়ান্ত গ্রেড দেওয়ার চেয়ে বেশি সামঞ্জস্যপূর্ণ।

4. জাজ মডেল কনফিগার করার সময় তাপমাত্রা কেন 0 সেট করতে হয়?

   বিচারককে আরও দীর্ঘ ও বিশদ যুক্তি উপস্থাপনের সুযোগ দেওয়ার জন্য।

   কম টোকেন ব্যবহার করে বিচারকের খরচ কমানো।

   স্ব-সামঞ্জস্যতা নিশ্চিত করার জন্য, বিচারক প্রতিবার একই ইনপুটের জন্য একই উত্তর প্রদান করেন।

   বিচারকদের সমালোচনার সৃজনশীলতাকে সর্বোচ্চ পর্যায়ে নিয়ে যাওয়া।

5. আপনার মূল্যায়ন পাইপলাইনে ওভারফিটিং বলতে কী বোঝায়?

   যখন বিচারকের নির্দেশকে একটি নির্দিষ্ট বিন্যাস পাস করার জন্য পরিবর্তন করা হয়, তখন এটি নতুন, অদেখা তথ্যের ক্ষেত্রে সাধারণীকরণ করতে ব্যর্থ হয়।

   যখন বিচারক CI/CD চালাতে খুব ধীরগতি সম্পন্ন হন

   যখন আপনি নিয়ম-ভিত্তিক পরীক্ষা এবং এআই মূল্যায়ন উভয়ই ব্যবহার করেন।

   যখন বিচারককে খুব কম তাপমাত্রা বা খুব বেশি অন্যান্য সেটিংস দিয়ে কনফিগার করা হয়

6. বুটস্ট্র্যাপিং কৌশলটি কী কাজে ব্যবহার করা হয়?

   বিচারকের স্কোর কতটা সংবেদনশীল তা যাচাই করার জন্য অ্যালাইনমেন্ট ডেটাসেটটি এলোমেলোভাবে পুনরায় নমুনা করা।

   একটি ছোট মডেল ব্যবহার করে বিপুল পরিমাণে কৃত্রিম ব্যবহারকারী ইনপুট তৈরি করা।

   অ্যাপ্লিকেশনের কোডের ত্রুটিগুলো স্বয়ংক্রিয়ভাবে সমাধান করতে।

   সকল বিচারকের ইনপুট ও আউটপুটের জন্য একটি JSON স্কিমা প্রয়োগ করা।

7. মানব বিশেষজ্ঞদের মধ্যে অথবা একজন বিচারক ও একজন মানুষের মধ্যে 'ভাগ্যের ঊর্ধ্বে ঐকমত্য' পরিমাপ করতে কোন মেট্রিক ব্যবহার করা হয়?

   নির্ভুলতা।

   নির্ভুলতা।

   কাপ্পা স্কোর

   এফ _১ স্কোর।

8. বিষাক্ততা মূল্যায়ন করার সময়, নির্ভুলতার চেয়ে রিকলকে কেন অগ্রাধিকার দেওয়া হয়?

   কারণ এই নির্দিষ্ট প্রেক্ষাপটে বিষাক্ত পদার্থগুলো নেতিবাচক শ্রেণীর অন্তর্ভুক্ত।

   কারণ কিছু বিষাক্ত ফলাফল বাদ পড়ার (ফলস নেগেটিভ) চেয়ে, সব বিষাক্ত ফলাফল শনাক্ত করা বেশি গুরুত্বপূর্ণ, এমনকি যদি তার মধ্যে কিছু ফলস পজিটিভও হয়।

   কারণ উচ্চ নির্ভুলতা নিশ্চিত করে যে বিচারক কখনোই অতিরিক্ত কঠোর হন না।

   যেহেতু রিকলের জন্য কম এপিআই টোকেন খরচ হয়, তাই আপনি এটিকে আরও বেশিবার মূল্যায়ন করতে পারেন।

9. ডাইনামিক রুব্রিক প্যাটার্ন বলতে কী বোঝায়?

   এমন একটি ব্যবস্থা যেখানে মানব মূল্যায়নকারীরা প্রতিটি উৎপাদিত পণ্যের গ্রেড হাতে হাতে নির্ধারণ করেন।

   এমন একটি প্রম্পট যা প্রতিবার চালানোর সময় র‍্যান্ডম ভেরিয়েবল পরিবর্তন করে।

   ব্যবহারকারীর নির্দেশটি বিচারকের কাছে পৌঁছানোর আগে একটি পৃথক মডেল ব্যবহার করে তা পুনর্লিখন করা হয়।

   প্রতিটি টেস্ট কেসের জন্য একটি নির্দিষ্ট স্ট্রিং পাস করতে হবে, যা সেই নির্দিষ্ট স্যাম্পলটিতে জাজকে ঠিক কোন আচরণ বা এজ কেসটি খুঁজতে হবে তা বর্ণনা করে।

error_outline ক্যুইজের স্কোর গণনা করার সময় সমস্যা হয়েছে। আবার চেষ্টা করুন।