# Vyberte model podle důkazů

Taiga Learning · Pracovní list
https://taiga.training/cs/lessons/evaluate-models/

Používejte fiktivní nebo schválené informace. Do pracovního listu nevkládejte tajné údaje.

## Cíle učení
- Vytvořit malou hodnoticí sadu ze skutečných typů úkolů.
- Oddělit kvalitu modelu od vlivu nástrojů a kontextu.
- Zaznamenat podmínky, které vyžadují nové vyhodnocení.

## Cvičení
Vytvořte hodnoticí list pro tři typy úkolů: známou chybu, malou funkci a vysvětlení repozitáře. Před porovnáním modelů stanovte akceptační kritéria. Ke každému úkolu přidejte jeden případ selhání. Zaznamenejte verzi modelu, kontext, oprávnění nástrojů, pokusy, náklady a úsilí na kontrolu.

## Vaše odpověď
- Scénář a rozsah:
- Předpoklady a otevřené otázky:
- Navržená odpověď nebo rozhodnutí s důvody:

## Ověřte odpověď
| Tvrzení nebo kritérium | Důkaz nebo test | Výsledek nebo nedostatek | Odpovědná osoba |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Další akce
- Akce, odpovědná osoba a datum:
- Kdy tuto odpověď znovu posoudíte?

## Zásada k zapamatování
Vybírejte model pro konkrétní úkol a prostředí. Při změně modelu, nástrojů nebo požadavků rozhodnutí znovu prověřte.

## Zdroje
- [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/)

Tento pracovní list podporuje učení. Jeho vyplnění samo nepovoluje produkční změnu.