# Velg en modell ut fra dokumentasjon

Taiga Learning · Arbeidsark
https://taiga.training/nb/lessons/evaluate-models/

Bruk fiktiv eller godkjent informasjon. Ikke legg hemmeligheter i dette arbeidsarket.

## Læringsmål
- Lag et lite evalueringssett fra reelle oppgavetyper.
- Skill modellkvalitet fra virkningen av verktøy og kontekst.
- Registrer forhold som krever en ny evaluering.

## Øvelse
Lag et evalueringsark for tre oppgavetyper: en kjent feil, en liten funksjon og en repositoryforklaring. Definer akseptkriterier før modellene sammenlignes. Ta med ett feiltilfelle per oppgave. Registrer modellversjon, kontekst, verktøytillatelser, forsøk, kostnad og innsats til gjennomgang.

## Ditt svar
- Scenario og omfang:
- Antakelser og åpne spørsmål:
- Foreslått svar eller beslutning, med begrunnelser:

## Verifiser svaret ditt
| Påstand eller kriterium | Bevis eller test | Resultat eller gap | Eier |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Neste handling
- Handling, eier og dato:
- Når vil du gjennomgå dette svaret?

## Prinsipp å beholde
Velg en modell for en definert oppgave og et definert miljø. Vurder beslutningen på nytt når modell, verktøy eller krav endres.

## 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/)

Dette arbeidsarket støtter læring. Fullføring gir ikke i seg selv tillatelse til en produksjonsendring.