Part 08 · Evaluating LLM Apps
Evaluation Metrics
Exact matchTask successRubricsHuman evaluation
"দেখতে তো ভালো" কোনো test না। LLM output মাপা: যেখানে পারো exact match, task success, rubric, আর কখন শুধু একজন মানুষই বিচার করতে পারে।
⏱ 1-2 ঘণ্টা · Station 62 / 92