Comparación de IA
Evaluaciones o pruebas unitarias
Las pruebas unitarias comprueban que el código hace exactamente lo debido cada vez; las evaluaciones puntúan una función basada en un modelo sobre muchos casos, porque sus salidas varían.
| Aspecto | Evaluaciones | Pruebas unitarias |
|---|---|---|
| Resultado | Una puntuación, como 46 de 50 | Aprobado o suspenso |
| Salida comprobada | Texto variable, juzgado con reglas, referencias o un juez | Un valor exacto y conocido |
| Velocidad y coste | Más lentas, pueden llamar a un modelo | Rápidas y gratis |
| Cuando falla | Mirar qué casos empeoraron | Se rompió una aserción concreta |
Elige Evaluaciones cuando
- La salida es texto generado o una decisión del modelo
- Comparas prompts, modelos o ajustes de recuperación
- Lo «suficiente» es un umbral, no una única respuesta
Elige Pruebas unitarias cuando
- El código es determinista, como un análisis o una validación
- Compruebas el código alrededor del modelo
- Quieres una comprobación rápida en cada guardado
Apréndelo con práctica
Estas lecciones gratuitas lo enseñan con órdenes para ejecutar en un laboratorio y tareas corregidas. Se leen completas sin cuenta.
Términos relacionados
- Evaluación (eval)
- Una evaluación es una prueba repetible de una función de IA: entradas fijas, una forma de puntuar cada salida y un resultado comparable entre versiones.
- Conjunto de referencia (golden set)
- Un conjunto de referencia es una colección fija de entradas con respuestas buenas acordadas, que sirve de patrón fiable para puntuar una función de IA.
- LLM como juez
- Un LLM como juez es un modelo de lenguaje que puntúa la salida de otro modelo según una rúbrica, cuando una comprobación sencilla en código no puede decidir.