فهرست ناقص منابع مورد استفاده در این دوره و ابزارهای ارزیابی که میتوانند به شما کمک کنند.
Maud Nalpas
منابع
ما برای نوشتن این مجموعه به منابع مختلفی تکیه کردیم، از جمله:
- مهندسی هوش مصنوعی: ساخت برنامههای کاربردی با مدلهای بنیادی، چیپ هوین
- تضمین کیفیت بدون ریسک برای برنامههای مبتنی بر LLM - مایکل هابلیچ، Chrome DevTools
- استفاده از LLM-as-a-Judge برای ارزیابی: راهنمای کامل - هامل حسین
ابزارهای ارزیابی
نمونههایی از راهحلها و ابزارهای ارزیابی عبارتند از:
- ترازبندی ایول
- آریزه
- برینتراست
- دیتاداگ
- دیپ ایول
- سرویس ارزیابی هوش مصنوعی نسل جدید و API توسط Vertex AI
- بررسی مقادیر
- قاضی ال ام
- لانگ اسمیت
- مهار ارزیابی
- اوپناِوالز
این لیست کامل نیست. اگر از ابزارهای ارزیابی دیگری استفاده میکنید، آنها را با ما به اشتراک بگذارید .