# Vælg en model ud fra dokumentation

Taiga Learning · Arbejdsark
https://taiga.training/da/lessons/evaluate-models/

Brug fiktive eller godkendte oplysninger. Skriv ikke secrets i arbejdsarket.

## Læringsmål
- Lav et lille evalueringssæt med udgangspunkt i virkelige opgavetyper.
- Skeln mellem modellens kvalitet og virkningen af værktøjer og kontekst.
- Registrér de forhold, der kræver en ny evaluering.

## Øvelse
Lav et evalueringsark for tre opgavetyper: en kendt fejl, en lille funktion og en forklaring af et repository. Definér acceptkriterierne, før du sammenligner modeller. Medtag ét fejltilfælde pr. opgave. Registrér modelversion, kontekst, værktøjsrettigheder, forsøg, omkostninger og indsats ved review.

## Dit svar
- Scenarie og omfang:
- Antagelser og åbne spørgsmål:
- Foreslået svar eller beslutning med begrundelser:

## Verificér dit svar
| Påstand eller kriterium | Dokumentation eller test | Resultat eller mangel | Ansvarlig |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Næste handling
- Handling, ansvarlig og dato:
- Hvornår vil du gennemgå dette svar?

## Princip at huske
Vælg en model til en defineret opgave og et bestemt miljø. Vurdér beslutningen igen, når modellen, værktøjerne eller kravene ændres.

## Kilder
- [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/)

Arbejdsarket understøtter læring. Gennemførelse autoriserer ikke i sig selv en produktionsændring.