经验,评估和保证

连接实验与控制的发布,有意义的评估和人工智能系统的实际操作模型.

问题

什么证据可以让这份版本进行制作?

定义完整系统的发布证据,包括数据,模型,提示,检索和工具,如有所相关. 根据接受标准的单独的探索结果. 让观察到的行为能够追溯到产生这种行为的配置.

建立在重要行为和失败条件的基础上评估. 保存代表性示例,版本数据集和有用的错误类别. 审查质量,延迟,成本和运营限制,而不是把单个分数作为发布决定.

连接评估到部署门,可观察性和事件响应. 指定回归,数据变化和意想不到的输出的所有权. 使用控制式推出和反推出,以支持学习,而不会失去操作控制.

我应该带什么来谈话?

带来你需要做出的决定,你已经知道的限制和一个小,非机密的例子. 我们可以同意,资源,专注的审查或更详细的讨论是正确的下一步.

接下来更清楚的步骤