Apa itu Evaluasi Manusia?

Tes atau kumpulan data standar yang digunakan untuk mengukur dan membandingkan kinerja model.

Tolok ukur soal cerita matematika sekolah dasar yang digunakan untuk mengevaluasi penalaran langkah demi langkah dalam model bahasa.

Kumpulan data yang digunakan untuk mengukur kualitas model setelah pelatihan.

Perhitungan inferensi tambahan yang digunakan selama pembuatan respons untuk meningkatkan kualitas atau penalaran.

Metrik evaluasi kode yang mengukur kemungkinan setidaknya satu dari k sampel yang dihasilkan lulus pengujian.

Kebijakan, standar, dan mekanisme pengawasan yang memandu bagaimana AI dikembangkan dan digunakan di masyarakat.