Testing & QA — Tech News

All EN RU

LLM-wiki против RAG: Оцениваем и сравниваем

Про LLM-wiki здесь уже было несколько хороших статей ( 1 , 2 и 3 ), поэтому подробно останавливаться на идее Andrej Karpathy не буду. В двух словах: в…

llm llm-агенты wiki rag оценка качества claude-code langchain rag система wilcoxon scores

Как мы с Claude Code учились оценивать качество RAG системы

Уверен, на Хабре найдётся немало статей, посвященных оценке качества RAG систем. Тема по-прежнему остаётся актуальной, потому что даже готовые библиот…

claude-code skill.md rag_api rag система автоматизация рутины клод код mcp-server оценка качества

AI Evals: Почему без оценки качества ваш продукт стоит на месте

Вы меняете системный промпт, надеетесь, что все заработало и деплоите фичу в продакшен. На следующее утро прилетает жалоба: агент выдумал дедлайн или …

evals оценка качества улучшение llm llm as a judge human in the loop Faithfulness Completeness