Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik zet een llm evaluatiekader op
Bharath
Over deze dienst
Automatische vertaling
Beschrijving:
Een LLM-functie uitrollen zonder een evaluatieset is blind verpakken. Ik ontwerp en bouw evaluatiepijplijnen die je met cijfers vertellen of je prompts, model of RAG-configuratie echt beter zijn geworden voordat jouw gebruikers dat merken.
Wat je krijgt:
- Design van een gouden dataset (taak-specifieke testcases, randgevallen, adversarial inputs)
- Keuze van metrics: exact match, semantische gelijkenis, rubric-based LLM-as-judge, hallucination/faithfulness-scores, latency en kosten
- Geautomatiseerde evaluatieharnas (Python; LangSmith, Promptfoo, Ragas, DeepEval of maatwerk) gekoppeld aan CI
- Regressie-dashboard en een duidelijk ship / dont ship-rapport
Neem contact met mij op voordat je een fout plaatst.
Maak kennis met Bharath
Bharath
LLM AI Model Evaluation Specialist , QA automation Architect ,Eval pipelines
- Afkomstig uitIndia
- Lid sindssep 2021
- Gem. reactietijd1 uur
- Laatste levering8 maanden
Talen
Engels, Tamil, Hindi
I help AI product teams answer one question: is this model actually good enough to ship? I built evaluation pipelines for LLM generated reports, validated models
Test consultant with 15+ years of professional experience and has expertise in QA for AI agents, Chatbots, RAGS, Web and mobile applications in domain like Banking, Insurance, Manufacturing, ecommerce. etc
* Expertise in automation testing using tool like Playwright, Selenium using Python, Java
* API testing using Postman
* Performance testing using Jmeter and K6 tools
* Security testing and Vulnerability assessment (OWASP standards)
Automatische vertaling
Andere AI-development diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
Moet ik mijn productiegegevens delen?
Nee. Ik werk met monsters die jij kiest, synthetische data of een geredigeerde export. Alles blijft onder jouw NDA en wordt bij levering verwijderd.
Welke evaluatietools gebruik je?
Welke evaluatietools gebruik je? Promptfoo, LangSmith, Ragas, DeepEval, of een gewone Python/pytest-harnas. Ik kies wat bij jouw stack past; de code blijft van jou.
Kun je een RAG-systeem of een agent evalueren, niet alleen een enkele prompt?
Ja. Voor RAG beoordeel ik retrieval en generatie apart (contextuele precisie/herinnering, betrouwbaarheid, relevantie van het antwoord). Voor agents beoordeel ik de correctheid van tool-aanroepen en taakafronding.
Wat betekent "LLM-as-judge" en is het betrouwbaar?
Een tweede model beoordeelt outputs volgens een rubric die ik met jou opzet. Ik calibrateer het aan een door mensen gelabelde steekproef zodat je weet hoeveel je op de scores kunt vertrouwen.
Doe je ook aan red-teaming of modelvergelijking?
Ja — beide gigs staan apart op mijn profiel, of voeg ze hier als extras toe.
