Як тестувати AI-продукти, якщо на один запит LLM може давати різні правильні відповіді? І чи достатньо оцінки 0,92 від AI-судді, щоб випустити фічу в продакшн?

Тестувальник Ігор розробляє відкриту специфікацію тестування AI-систем AQEF та запрошує спільноту обговорити її принципи.

 [https://dou.ua/goto/DBCZ](https://dou.ua/goto/DBCZ)