آموزش ارزیابی و بهینه‌سازی عملکرد مدل‌های زبانی بزرگ (LLM) - آخرین آپدیت

ساخت سیستم‌های ارزیابی خودکار LLM Build Automated LLM Evaluation Systems

• چگونه معیارهای لکسیکال BLEU و ROUGE L را در پایتون محاسبه کنیم؟ How to Compute Lexical Metrics: BLEU & ROUGE-L in Python?

• چگونه شباهت معنایی را با استفاده از Embeddings محاسبه کنیم؟ How to Compute Semantic Similarity with Embeddings?

تست معناداری آماری Statistical Significance Testing

• چرا حدس بزنیم وقتی می‌توانیم بدانیم؟ بررسی مورد پرامپت «بهتر» Why Guess When You Can Know? The Case of the "Better" Prompt

• زبان آزمایش: فرضیه‌ها، P-Valueها و توان آماری The Language of Experimentation: Hypotheses, P-Values, and Power

• محاسبات عددی: تحلیل A/B Test در پایتون Running the Numbers: A/B Test Analysis in Python

تحلیل عملکرد و بهینه‌سازی Performance Analysis and Optimization

• از گزارش تا اجرا: حلقه بهینه‌سازی From Report to Action: The Optimization Loop

• مطالعه موردی: بنچ‌مارک کردن یک تحلیل‌گر احساسات Case Study: Benchmarking a Sentiment Analyzer

• اسکریپت‌نویسی برای اولین گزارش ارزیابی شما Scripting Your First Evaluation Report