# Odaberite model na osnovu dokaza

Taiga Learning · Radni list
https://taiga.training/bs/lessons/evaluate-models/

Koristite izmišljene ili odobrene informacije. Ne unosite tajne u ovaj radni list.

## Ciljevi učenja
- Napravite mali skup za evaluaciju na osnovu stvarnih vrsta zadataka.
- Odvojite kvalitet modela od učinka alata i konteksta.
- Zabilježite uslove koji zahtijevaju novu evaluaciju.

## Vježba
Napravite list za evaluaciju tri vrste zadataka: poznate greške, male funkcije i objašnjenja repozitorija. Odredite kriterije prihvatanja prije poređenja modela. Uključite jedan slučaj neuspjeha po zadatku. Zabilježite verziju modela, kontekst, dozvole alata, pokušaje, trošak i radno vrijeme pregleda.

## Vaš odgovor
- Scenarij i opseg:
- Pretpostavke i otvorena pitanja:
- Predloženi odgovor ili odluka, s obrazloženjem:

## Provjerite svoj odgovor
| Tvrdnja ili kriterij | Dokaz ili test | Rezultat ili nedostatak | Odgovorna osoba |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Sljedeća radnja
- Radnja, odgovorna osoba i datum:
- Kada ćete pregledati ovaj odgovor?

## Princip koji treba zapamtiti
Odaberite model za određeni zadatak i okruženje. Ponovo provjerite odluku kada se promijene model, alati ili zahtjevi.

## Izvori
- [NIST: Generative AI Profile](https://doi.org/10.6028/NIST.AI.600-1)
- [METR: Developer productivity study methodology](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)

Ovaj radni list podržava učenje. Njegovo popunjavanje samo po sebi ne odobrava promjenu u produkcijskom okruženju.