Canonical: https://instain.ru/tr/ai/deepeval/ Language: tr Confident AI Model Regresyon Test Çerçevesi # DeepEval. LLM uygulamaları için test örnekleri ve kalite ölçümleri 4.30 / 5 [Katalog değerlendirmesi](https://instain.ru/tr/ai/deepeval/#editorial-rating) [Resmî site ](https://github.com/confident-ai/deepeval) DeepEval'de, test vakalarını girdi, yanıt ve kriterlerle toplayabilirsiniz. Bazı metrikler farklı bir model kullanır, bu nedenle eşiklerin örneklere karşı kontrol edilmesi gerekir. ![LLM uygulamaları için test açıklamalarına sahip DeepEval deposu](https://instain.ru/assets/images/deepeval-screen-59304247a090-1200.webp) LLM uygulamaları için test açıklamalarına sahip DeepEval deposu. [Kaynağı aç ](https://github.com/confident-ai/deepeval) ## Sessiz bir regresyon nasıl tespit edilir Talimatları düzenledikten sonra asistan daha kısa cevap verir, ancak önemli bir istisnayı atlamaya başlar. DeepEval, böyle bir vakayı tekrarlanabilir bir teste dönüştürmeye yardımcı olur. Soruyu, kaynak materyali ve beklenen durumu kaydedin. Bir metrik için model tabanlı bir değerlendiriciye ihtiyacınız varsa, önce bilinen işaretleme ile birden fazla cevap üzerinde kontrol edin. "Kaliteyi takdir etmek" deyimi çok geniştir. Örneğin, belirli bir girdi için geçerli olduğunda bir istisnadan bahsedilip bahsedilmediğini öğrenmek önemlidir. ## Benzer bir başlangıç ile iki cevap Doğru cevabı, kayıp koşullu cevabı ve kaynakta olmayan ifadeyle cevabı verin. Seçilen kontrolü çalıştırın ve çözümünü manuel bir etiketle karşılaştırın. Eğer kriter bir hatayı kaçırırsa, bunu açıklığa kavuşturun veya ayrı bir kural ekleyin. İlk seçim için eşiği ayarlamamak için, kurulduktan sonra birkaç sınır örneği ekleyin. Talimatların yeni sürümü ile aynı seti çalıştırın. Puanları bireysel sorular düzeyinde tutun, aksi takdirde bir ortalama değişiklikleri gizleyecektir. ## Model kontrolü uygun olduğunda Tam olarak gerekli alan, güvenilir bir şekilde kaldırılabilirse yazılımı kontrol etmek için daha iyidir. Değerlendirme modeli semantik özellikler için yararlıdır, ancak yargısı örnek alınarak revize edilmelidir. Kullanılan yapılandırmada değerlendiricinin sürümünü, parametrelerini ve çalıştırmanın fiyatını yazın. Sonuç eşik yakınında dalgalanıyorsa, testi zorunlu bir serbest bırakma kontrolü yapmadan önce belirli cevapları analiz edin. Test seti ile birlikte her bir metriğin bir açıklamasını tutun. ## Hangi görevler uygun - Talimatlar değiştirildikten sonra yanıtların bozulmasını izleyin - İşaretli örneklerde seçilen metriğin uygunluğunu kontrol edin Özellikler ## Güçlü yönler - Belge test vakaları ve metrik seçenekleri - Komut satırından test çalıştırmalarını destekler Dikkate alınması gerekenler ## Sınırlamalar - Değerlendirme modeli yanlış olabilir ve zorluklar arasındaki çözümü değiştirebilir - Kriterler ve eşikler manuel örneklerle karşılaştırılmalıdır. ## Seçim ve koşullar Ücretsiz kullanım Evet Deneme süresi Doğrulanmadı Kayıt gerektirmez Doğrulanmadı Rusça arayüz Doğrulanmadı Yerel kurulum Evet API Doğrulanmadı “Doğrulanmadı”, yeterli bilgi bulunmadığı anlamına gelir. Özellik mevcut olabilir; geliştiricinin koşullarını kontrol edin. Girdi biçimleri Metin, Veri Sonuç Veri, Metin ### Koşullar Açık kütüphanenin zorunlu tarifesi yoktur. Değerlendirme modelinin zorlukları ve bulut platformunun işlevleri ayrı ayrı hesaba katılır. Değerlendirme modeli yanlış olabilir ve zorluklar arasındaki çözümü değiştirebilir. Görevden ilk sonuca ## Uygulama örneği Görev Talimatlar değiştirildikten sonra yanıtların bozulmasını izleyin Ne hazırlamalısınız? Eğitim soruları, beklenen koşullar, doğru ve hatalı cevaplar. ### Görev veya istem Cevapları onaylanmış bir kritere göre değerlendirin. Talimatları değiştirdikten sonra çalıştırmayı tekrarlayın ve puanın değiştiği durumları gösterin. ### Beklenen sonuç Tahminleri ve doğrulanabilir örnekleri olan gerilemelerin bir listesi. ### Sonuç nasıl kontrol edilir - Puanları manuel işaretlerle kontrol edin. - Birkaç sınır davasını eşik ayarının dışında bırakın. Bu, görevin nasıl tanımlanabileceğini gösteren editoryal bir eğitim örneğidir; servisi bizzat test ederek elde edilmiş bir sonuç değildir. Gerekli modun kullanılabilirliğini, kaynak dosyalar üzerindeki hakları ve sonucun kullanım koşullarını kontrol edin. Ayrıntıları kontrol et ## Resmi kaynaklar - [Resmi DeepEval deposu ](https://github.com/confident-ai/deepeval) - [DeepEval Metrik Kılavuzu ](https://deepeval.com/docs/metrics-introduction) - [DeepEval ve Confident AI erişim koşulları ](https://deepeval.com/docs/faq) Açıklama geliştiricinin materyallerine dayanmaktadır. Fırsatlar, fiyatlar ve kullanılabilirlik değişebilir; kullanımdan önce orijinal kaynağa bakın. Kısaca araç hakkında Geliştirici Confident AI Kategori [Kod](https://instain.ru/tr/category/code/) Erişim Açık kütüphane Python projesinde çalışır. Modelle yapılan ölçümler uyumlu bir değerlendirici kurmayı gerektirir ve yönetilen hizmet ayrı olarak bağlanır. Ödeme Açık kütüphanenin zorunlu tarifesi yoktur. Değerlendirme modelinin zorlukları ve bulut platformunun işlevleri ayrı ayrı hesaba katılır. API Ayrı bir API belirtilmedi [Geliştirici Koşulları ](https://deepeval.com/docs/faq) Katalog değerlendirmesi 4.30 / 5 Özellikler 4.40 / 5 Çalışma senaryoları 4.20 / 5 Ekosistem 4.20 / 5 Belgeler 4.40 / 5 Puanlar katalogda yol gösterir. Kullanıcı yorumu veya kişisel test sonucu değildir. [Metodolojiye bakın ](https://instain.ru/tr/methodology/) Tanımaya devam edin ## Benzer görevler için [Kategorinin tamamı ](https://instain.ru/tr/category/code/) Kod ### [Ragas](https://instain.ru/tr/ai/ragas/) Bir yanıtın arama bağlamına olan ilişkisini değerlendirmek 4.35 / 5 Model Yanıt Değerlendirme Kütüphanesi Benzer görevler; koşulları, biçimleri ve sınırlamaları karşılaştırın