التكلفة4 دقائق قراءة
قياس الكمون: p50 وp95 وزمن أول رمز
لماذا يخدعك متوسط زمن الاستجابة، والفرق بين زمن أول رمز وزمن الرمز التالي، وكيف تحسب ميزانية كمون لكل مرحلة في خط RAG.
اقرأ المقالالمقالات
كل ما نشرناه في هندسة أنظمة الذكاء الاصطناعي التطبيقية — مرتّبًا من الأحدث، وكل مقال مسنود إلى مصدر أوّلي أو قياس منشور.
صفحة 5 من 8
التقييم4 دقائق قراءة
اختبارات الانحدار للتوجيهات في CI
كيف تحوّل تعديل التوجيه من مقامرة إلى تغيير مُختبَر: بوابة في التكامل المستمر تمنع الانحدار، وتتعامل مع لاحتمية النموذج بلا اختبارات هشّة.
اقرأ المقالالتقييم4 دقائق قراءة
حكم النموذج على النموذج: أين يصدق وأين ينهار
ما أثبتته ورقة MT-Bench عن اتفاق النماذج الحاكمة مع البشر، وثلاثة انحيازات موثّقة تفسد الحكم، وكيف تعاير حَكَمك قبل الاعتماد عليه.
اقرأ المقالالتقييم4 دقائق قراءة
قياس الهلوسة: من الشكوى إلى رقم
تعريف إجرائي للهلوسة يمكن قياسه، وطريقة تفكيك الجواب إلى ادعاءات والتحقّق منها، ولماذا الجواب الصحيح غير المسنَد يُحسب هلوسة أيضًا.
اقرأ المقالالتقييم4 دقائق قراءة
بناء مجموعة اختبار ذهبية بخمسين سؤالًا
كيف تجمع خمسين سؤالًا حقيقيًّا وتوثّق إجاباتها لتصير معيارًا يقيس كل تغيير في نظامك، وأي فئات الأسئلة لا يجوز أن تنقص منها.
اقرأ المقالالوكلاء4 دقائق قراءة
تعدّد الوكلاء: متى يستحقّ ومتى يضاعف الفشل؟
أنماط تنسيق الوكلاء المتعدّدين ومقايضاتها، ولماذا يضاعف التعدّد التكلفة ونقاط الفشل، وثلاثة شروط تجعله القرار الصحيح بدل وكيل واحد جيّد.
اقرأ المقال