Evals

Valutazioni strutturate che misurano le prestazioni di un modello su compiti specifici, usando dati e criteri attesi verificabili.

Gli evals misurano come un modello si comporta su capacità definite, tra cui ragionamento, codice, matematica, sicurezza e rispetto delle istruzioni. Usano raccolte di dati, rubriche o scenari controllati con risultati confrontabili. Un sistema di valutazione permette di confrontare versioni e individuare regressioni dopo un aggiornamento. Ogni punteggio resta parziale, perché il modello può riuscire sul test e mostrare debolezze in situazioni reali, nuove o difficili da formalizzare.