Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
je mets en place le cadre d'évaluation LLM
Bharath
À propos de ce service
Traduction automatique
Description :
Fournir une fonctionnalité LLM sans une suite d’évaluation revient à livrer à l’aveugle. Je conçois et mets en place des pipelines d’évaluation qui vous indiquent, chiffres à l’appui, si vos invites, votre modèle ou votre configuration RAG se sont réellement améliorés avant vos utilisateurs.
Ce que vous obtenez :
- Conception d’un jeu de données doré (cas de test spécifiques à la tâche, cas limites, entrées adversariales)
- Choix des métriques : correspondance exacte, similarité sémantique, LLM-as-judge basé sur une grille, évaluation d’hallucination/fiabilité, latence et coût
- Harnais d’évaluation automatisé (Python ; LangSmith, Promptfoo, Ragas, DeepEval ou personnalisé) raccordé au CI
- Tableau de bord de régression et compte rendu clair à livrer ou à ne pas livrer
Veuillez me contacter avant de passer commande.
Découvrez Bharath
Bharath
LLM AI Model Evaluation Specialist , QA automation Architect ,Eval pipelines
- DeInde
- Membre depuissept. 2021
- Temps de réponse moy.1 heure
- Dernière commande8 mois
Langues
Anglais, Tamoul, Hindi
I help AI product teams answer one question: is this model actually good enough to ship? I built evaluation pipelines for LLM generated reports, validated models
Test consultant with 15+ years of professional experience and has expertise in QA for AI agents, Chatbots, RAGS, Web and mobile applications in domain like Banking, Insurance, Manufacturing, ecommerce. etc
* Expertise in automation testing using tool like Playwright, Selenium using Python, Java
* API testing using Postman
* Performance testing using Jmeter and K6 tools
* Security testing and Vulnerability assessment (OWASP standards)
Traduction automatique
Autres services de Développement IA I Offre
FAQ
Traduction automatique
dois-je partager mes données de production ?
Non. Je travaille à partir d’échantillons que vous choisissez, de données synthétiques ou d’une exportation redacée. Tout reste sous votre NDA et est supprimé à la livraison.
Quels outils d’évaluation utilisez-vous ?
Quels outils d’évaluation utilisez-vous ? Promptfoo, LangSmith, Ragas, DeepEval, ou un harnais Python/pytest simple. Je choisis ce qui convient à votre stack ; le code vous appartient dans tous les cas.
Pouvez-vous évaluer un système RAG ou un agent, pas seulement un seul prompt ?
Oui. Pour le RAG, j’évalue séparément la récupération et la génération (précision du contexte, fidélité, pertinence de la réponse). Pour les agents, j’évalue la validité des appels d’outils et l’achèvement des tâches.
Que signifie « LLM-as-judge » et est-ce fiable ?
Un second modèle note les sorties selon une grille que je rédige avec vous. Je le calibre sur un échantillon étiqueté par un humain afin que vous sachiez à quel point faire confiance aux scores.
Effectuez-vous aussi du red-team ou des comparaisons de modèles ?
Oui — les deux sont des gigs séparés sur mon profil, ou vous pouvez les ajouter comme extras ici.
