如何编写你的第一个 AI Eval——Arize AI 的 SallyAnn DeLucia

Arize AI 产品负责人 SallyAnn DeLucia 的实操 workshop，讲解从 vibe check 转向正式 eval 的方法：eval 与单元测试的区别、主要 eval 类型（LLM as judge、决策模型、代码 eval、标注、agent as judge）、如何阅读 trace、编写具体 pass/fail 标准，以及在 Arize prompt playground 中构建并迭代 LLM judge。

AI推荐理由 Arize AI 产品负责人 SallyAnn DeLucia 的实操 workshop，系统讲解 eval 与单元测试的区别、五类 eval（LLM as judge、决策模型、代码 eval、标注、agent as judge）、如何读 trace、编写具体 pass/fail 标准，以及在 Arize prompt playground 中构建和迭代 LLM judge。内容面向开发者落地，信息密度较高；但为会议演讲录像，未提供可验证的评测效果数据，且带有 Arize 产品演示属性。