AI মূল্যায়ন ও টেস্টিং

AI কোডিং টুল দিয়ে লেখা অ্যাপও সাধারণ সফটওয়্যারের মতোই আচরণ করে, তাই সেটি সফটওয়্যার QA ও টেস্টিংয়ের আওতায় পড়ে। AI মূল্যায়ন সেইসব প্রোডাক্টের জন্য, যেখানে রানটাইমে একটি মডেল উত্তর তৈরি করে বা কোনো কাজ সম্পাদন করে। আউটপুট বদলায়, তাই আমরা অনেকগুলো কেসজুড়ে কোয়ালিটি পরিমাপ করি, অনুমতি টেস্ট করি এবং ব্যর্থতার জন্য পরিকল্পনা করি। অনেক প্রোডাক্টের দুটোই প্রয়োজন হয়, আর আমরা সেগুলো একসাথে স্কোপ করি।

OpenAI বা Claude-এর মতো হোস্টেড মডেলে তৈরি ফিচার, Llama বা Mistral-এর মতো ওপেন-ওয়েট মডেল, রিট্রিভাল পাইপলাইন ও এজেন্ট ফ্রেমওয়ার্ক। পদ্ধতিটি প্রোভাইডারের ওপর নির্ভর করে না, তাই আপনার নিজস্ব কেসে মডেল বা প্রোভাইডার তুলনা করতেও আপনি এটি ব্যবহার করতে পারেন।

না। মডেল তবুও ভুল করতে পারে। মূল্যায়ন দেখায় মডেল কোথায় ও কীভাবে ব্যর্থ হয়, যাতে আপনি রিলিজের মানদণ্ড ঠিক করতে পারেন, গার্ডরেইল ও ফলব্যাক যোগ করতে পারেন, যেখানে ভুলের মূল্য বেশি সেখানে মানুষের রিভিউ ডিজাইন করতে পারেন, এবং কোয়ালিটি বদলালে দ্রুত টের পান।

আপনার ফিচারের নিজস্ব মডেল কল যায় সেই প্রোভাইডারের কাছেই, যাকে আপনি ইতিমধ্যে ব্যবহার করছেন। কাজে আমরা যে AI টুল ব্যবহার করি, যেমন মডেলভিত্তিক গ্রেডিং, তা চলে আপনার বেছে নেওয়া সীমানার ভেতরে: প্রাইভেট / লোকাল AI ইঞ্জিনিয়ারিংয়ে আপনার নিয়ন্ত্রণাধীন ইনফ্রাস্ট্রাকচারে, অথবা Claude Code / OpenAI Codex ইঞ্জিনিয়ারিংয়ে সম্মত ডেটা হ্যান্ডলিংয়ের শর্তে। আপনার সাথে সম্মতি অনুযায়ী, লগে থাকা ব্যক্তিগত ডেটা ব্যবহারের আগে মাস্ক করা হয়।