# Odaberite model na temelju dokaza

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

Upotrijebite izmišljene ili odobrene informacije. Nemojte stavljati tajne podatke u ovaj radni list.

## Ciljevi učenja
- Sastaviti mali evaluacijski skup od stvarnih vrsta zadataka.
- Odvojiti kvalitetu modela od učinka alata i konteksta.
- Zabilježiti uvjete koji zahtijevaju novu evaluaciju.

## Vježba
Napravite evaluacijski list za tri vrste zadataka: poznatu pogrešku, malu funkciju i objašnjenje repozitorija. Prije usporedbe modela definirajte kriterije prihvaćanja. Uključite jedan slučaj neuspjeha po zadatku. Zabilježite verziju modela, kontekst, ovlasti alata, pokušaje, trošak i trud za pregled.

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

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

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

## Načelo koje treba zadržati
Odaberite model za definirani zadatak i okruženje. Ponovno provjerite odluku kad se model, alati ili zahtjevi promijene.

## 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 podupire učenje. Njegovo dovršavanje samo po sebi ne odobrava produkcijsku promjenu.