Eval

Pengujian sistematis terhadap kualitas, keamanan, atau perilaku sistem AI.

Pengujian sistematis terhadap kualitas, keamanan, atau perilaku sistem AI. Biasanya istilah ini dipakai saat membuat test set, aturan data, validasi output, dan simulasi serangan.

Seperti quality control, pagar pengaman, dan uji tabrak sebelum produk dipakai. Eval kurang lebih bekerja di bagian yang mengatur alurnya.

Contoh paling gampang: Eval dipakai saat membuat test set, aturan data, validasi output, dan simulasi serangan.

Kalau paham Eval, kamu mencegah output meyakinkan tetapi salah, berbahaya, atau membocorkan data.

Yang sering membuat keliru: mengandalkan satu filter dan menganggap sistem sudah aman. Eval juga beda dengan Benchmark.