Mi hija de 7 años aún no ha memorizado su tabla de multiplicar, pero ha memorizado toda la lista de reproducción de los cazadores de demonios de kpop, incluidas las letras de rap.

Increíble, en realidad está retrocediendo en lugar de decir "Tienes toda la razón" 😆

"Todo el mundo dice que las evaluaciones de IA son importantes, así que construyamos una en vivo desde cero". Aquí está mi nuevo episodio con @_amankhan (Arize) donde creamos evaluaciones de IA para un agente de atención al cliente en vivo, que incluyen: ✅ Creación de los criterios de evaluación ✅ Etiquetado del conjunto de datos dorado ✅ Alinear a los jueces de LLM con puntajes humanos Algunas ideas de Aman: 1. Los PM deben hacer el etiquetado manual ellos mismos. "Nunca me pareció útil subcontratar evaluaciones humanas a contratistas. El primer ministro tiene que estar en la hoja de cálculo para mantener el buen juicio". 2. Defina cómo se ve bueno / promedio / malo en criterios como la precisión y el tono por adelantado. Esto se convierte en su rúbrica para una evaluación consistente en todo su equipo. 3. Asegúrese de que sus jueces de LLM se alineen con sus puntajes humanos antes de escalar. Pruebe primero a los jueces en unas pocas docenas de casos y apunte a una tasa de coincidencia de al menos 80% +. 📌 Ver ahora: También disponible en: Spotify: Manzana: Boletín:

¿Cómo lavar el cerebro a los niños para que disfruten de esta música en lugar de los cazadores de demonios kpop?

¿Alguien ha creado un gran comando de barra de código Claude o un subagente para traducir un simulacro en un prototipo preciso que no sea el habitual slop púrpura de IA? Siento que este es un caso de uso perfecto.

Entonces, si quiero usar Claude Code en Cursor, ¿solo lo está ejecutando desde la terminal de Carsor o hay alguna integración especial de IDE?

Google (al menos la división Gemini) parece estar funcionando a toda máquina, lo que es un poco alentador ver a una gran burocracia despertarse así y enviar sin parar.

La mejor manera de aprender sobre las evaluaciones de IA es ver cómo 2 PM las construyen en vivo desde cero. Mañana, @_amankhan y yo recorremos la creación de evaluaciones para un agente de atención al cliente de IA, que incluyen: ✅ Definición de los criterios de evaluación ✅ Etiquetado de un conjunto de datos dorado ✅ Alineación de las indicaciones de los jueces de LLM Usamos Anthropic Console, Arize AI y la herramienta más poderosa jamás inventada: la hoja 😅 de cálculo Este es el curso completo de evaluación de IA para principiantes que estabas esperando. 📌 Suscríbete para obtenerlo tmr:

Sé que es difícil comer sano y hacer ejercicio de manera constante, pero la mayor fuerza de voluntad que tengo que reunir a diario es dejar el teléfono fuera de la habitación Fallar muy a menudo 🥲

Obtener excelentes comentarios sobre mi guía para principiantes sobre evaluaciones de IA. De un lector: "He leído OpenAI, Anthropic y muchos blogs sobre evaluaciones. Esta fue la guía más fácil de entender y más clara sobre evaluaciones que he leído ". Recorro un ejemplo detallado paso a paso. 📌 Lea ahora: