اختبار تطبيقات النماذج اللغوية الكبيرة
LLM Application Testing
تقييم لسلوك تطبيق مكتمل يستخدم نموذجًا لغويًا مع تعليمات واسترجاع وأدوات وضوابط، وليس قياسًا منفصلًا للنموذج فقط.
شرح تفصيلي
تتغير حدود نظام الاختبار عندما يضاف RAG أو أداة بريد أو متصفح أو حواجز حماية أو سياسة صلاحيات. لذلك لا يجوز افتراض أن تقييم النموذج الأساسي ينتقل تلقائيًا إلى التطبيق النهائي. تشمل النتيجة جودة الإجابة وسلامة السلوك وفشل المكونات وعلاقة النظام بسياق الاستخدام والقرار الذي يدعمه.
مثال عملي
قد يعطي النموذج إجابة صحيحة رغم استرجاع مستند غير مطابق، فيكتشف اختبار المكونات خطأ لم يلاحظه اختبار المخرجات.