قائمة غير شاملة بالمصادر المستخدَمة في هذه الدورة التعليمية وأدوات التقييم التي يمكن أن تساعدك
Maud Nalpas
لمزيد من المراجع حول الاختبار والذكاء الاصطناعي، ننصحك بالاطّلاع على المراجع التالية.
- التعرّف على الاختبار: يمكنك تجديد نهجك في الاختبار.
- التعرّف على الذكاء الاصطناعي: يمكنك تصميم أنظمة ذكاء اصطناعي لمواقعك الإلكترونية وتطبيقاتك على الويب.
- Google DeepMind Evals: أدوات متعدّدة وموحّدة لقياس الأداء لأنواع مختلفة من النماذج
- Gemini Evaluations Playbook: وصفات لتجربة نماذج الذكاء الاصطناعي التوليدي وتقييمها باستخدام Vertex AI.
- مجموعة أدوات للذكاء الاصطناعي المسؤول: يمكنك تقييم النماذج والأنظمة من حيث السلامة.
- تقييم التقييمات: درس شامل حول كيفية فهم التقييمات التي يجب استخدامها وما هي التقييمات الفعّالة
- إنشاء مقاييس أداء أفضل للذكاء الاصطناعي: ما هو عدد المقيِّمين الكافي؟ يمكنك فهم إطار تقييم لنماذج تعلُّم الآلة يحسِّن الموازنة بين عدد العناصر والمقيِّمين لكل عنصر، وذلك لإنشاء مقاييس أداء قابلة للتكرار للذكاء الاصطناعي.
مصادر الدورة التعليمية
اعتمدنا على عدة مصادر لكتابة هذه السلسلة، بما في ذلك:
- AI Engineering: Building Applications with Foundation Models، Chip Huyen
- De-risking QA for LLM-powered applications، Michael Hablich، Chrome DevTools
- Using LLM-as-a-Judge For Evaluation: A Complete Guide، Hamel Husain
أدوات التقييم
في ما يلي أمثلة على حلول وأدوات التقييم:
- AlignEval
- Arize AX and Phoenix
- Braintrust
- Datadog
- DeepEval
- Gen AI evaluation service and API
- Inspect Evals
- JudgeLM
- LangSmith
- Evaluation harness
- OpenEvals
تتوفّر العديد من أدوات التقييم الأخرى. إذا كنت تستخدم أدوات أخرى، يُرجى مشاركتها معنا.