دليل اختيار EvalCore: هل يثبت نجاح إعادة حالة مسجلة أن النموذج الجديد سيجيب بالطريقة نفسها؟

تفرق ثلاث بطاقات ورقية للتقييم بين نجاح إعادة التشغيل، وغياب السجل، وإجابة جديدة يقدمها النموذج.

المصدر: github.com
October 24, 2026
2 min

يريد فريق تصنيف النصوص أن يعيد التحقق من الحالات نفسها وفي الظروف نفسها بعد تغيير قواعد التقييم. يمكنه عندئذ مقارنة إمكانات التسجيل وإعادة التشغيل في EvalCore. يميز شرح المشروع للإصدار v0.7.5 بين إعادة استخدام ردود موجودة وتشغيل يحصل على ردود جديدة. وتوضح وثائق إعادة التشغيل أن وضع الإعادة فقط يبلغ عن فشل إذا لم يجد سجلًا مطابقًا، ولا يستدعي النموذج في الخفاء. ورقة الإجابات الثابتة تفيد في مراجعة الأسئلة وقواعد التقييم؛ لكنها ليست جوابًا قدّمه النموذج للتو.

افصل إعادة التشغيل عن الإجابة الجديدة

يصنف معرض خيالي للأعمال الورقية القطع بحسب أشكالها. تذكر الحالة A «ثلاث حواف مستقيمة»، والتصنيف المتوقع «مثلث». والإجابة المسجلة سابقًا هي «مثلث». تذكر B «قوسًا وحافة مستقيمة»، وقد أضيفت لاحقًا ولا إجابة مسجلة لها. وتسأل البطاقة C سؤالًا مختلفًا: استبدل الفريق النموذج، فهل سيبقى تصنيف A «مثلثًا»؟

Article img
بطاقات مرسومة للمقال: تحمل A إجابة قديمة، وخانة B فارغة، وتتطلب C إجابة جديدة لا يجوز نسخها من A.

بطاقات تحقق افتراضية: يمكن إعادة إجابة A القديمة، ولا إجابة قديمة لـ B، أما C فتحتاج إلى إجابة جديدة يحصل عليها الفريق على حدة.

اعرض البطاقات على زميل لم يشارك في التقييم، واطلب منه التقيد بما فيها. تتيح A التحقق من أن الإجابة المسجلة «مثلث» ما زالت تُعد صحيحة. وفي B لم تجد آلية الإعادة سجلًا مطابقًا، لا أن النموذج أجاب بخطأ. أما C فلا دليل جديد عليها، ولا يكفي اجتياز A لوضع علامة نجاح لها. هذا تمرين ورقي غير قائم على تشغيل برنامج أو نموذج.

قد يؤدي تغيّر معرّف النموذج أيضًا إلى عدم تطابق سجل قديم. حين تتكرر المراجعة لحالات ثابتة، يفيد تنبيه EvalCore الصريح بغياب سجل، مقابل الحاجة إلى صيانة سجلات ممثلة ومراجعتها. لمعرفة سلوك نموذج جديد، قيّم إجاباته الجديدة في بند مستقل. وإذا كنت تفحص نحو اثنتي عشرة قاعدة يدويًا، فقد يكفي جدول يفصل بين الإجابات الموجودة ونتائج التقييم وما إذا كانت الإجابة جديدة.

ملاحظة حول المحتوى:يستند هذا المقال إلى معلومات متاحة للعموم ويُعد مرجعًا للمساعدة في اختيار الأدوات. قد تتغير الميزات والأسعار والسياسات ذات الصلة في أي وقت، لذا يُرجى الرجوع إلى أحدث المعلومات الرسمية.

المصدر الأصلي:github.com