سلسلة وكلاء الذكاء الاصطناعي — اليوم ١٩
الاختبارات · Evals
الاختبارات (Evals): كيف تعرف أن وكيلك فعلًا يشتغل زين؟
«جربناه على كم سؤال وطلع ممتاز» — هذه أخطر جملة في مشاريع الذكاء الاصطناعي. الانطباع مو قياسًا. القياس اسمه Evals.
الفكرة ببساطة
ما تشتري سيارة مستعملة لأن البائع قال «نظيفة» — تودّيها الفحص الدوري: قائمة فحوصات ثابتة، لكل بند نتيجة، وتقرير نهائي. الـ Evals هي الفحص الدوري للوكيل.
عمليًا: تجمع مجموعة أسئلة/مهام حقيقية من شغلك (خمسين، مئة، أكثر)، مع الجواب الصحيح أو معايير النجاح لكل وحدة. كل ما عدّلت شيئًا — برومبت، نموذج، أداة — تعيد نفس الاختبارات وتقارن الأرقام: تحسّن ولا انكسر؟
ليه يهمك هذا؟
بدون Evals أنت تدير مشروعك بالانطباعات: كل تعديل «يبان زين» وممكن يكون كسر شيئًا ما شفته. القاعدة: لا تطلق وكيلًا لعملائك قبل ما يكون له فحص دوري مكتوب — وأرقام تتحسن مع الوقت.
أسئلة شائعة
وش هي Evals في الذكاء الاصطناعي؟
مجموعة اختبارات ثابتة — مهام حقيقية بمعايير نجاح واضحة — تُعاد بعد كل تعديل على النظام لقياس الجودة بالأرقام بدل الانطباعات.
كيف أبدأ Evals بسيطة لمشروعي؟
اجمع ٥٠ سؤالًا حقيقيًا من شغلك مع الجواب المتوقع لكل واحد، وشغّلها على النظام بعد كل تغيير، وسجّل نسبة النجاح. جدول بسيط في Excel بداية ممتازة.
عندك مفهوم محيّرك؟ اقترحه وخلّه الحلقة الجاية
تابع السلسلة على لينكدإن