Live and recent posts from across the Fediverse tagged #kiểmthửai, aggregated by home.social.
Khi triển khai ứng dụng LLM, làm sao kiểm tra thay đổi model trước khi release?
Tác giả đang dùng cách thử thủ công (10-20 prompts → deploy → theo dõi → fix lỗi). AWS SageMaker shadow testing quá phức tạp. Câu hỏi cho cộng đồng:
1. Cách kiگاهی tra model mới hiệu quả?
2. Có công cụ replay traffic thực tế?
3. Thủ công đã đủ chưa?
Bạn có giải pháp nào? #LLM #AITesting #MachineLearning #AI #TríTuệNhânTạo #KiểmThửAI #HọcMáy
https://www.reddit.com/r/LocalLLaMA/comments/1qr27hi/how_do_you_test_llm_mod
Xây AI agents dễ, nhưng thử nghiệm lại khó hơn. Kết quả không deterministic, test unit dễ gãy, chi phí API nhanh tăng, lỗi vi mô khiến agent lệch hành vi. Tác giả tạo công cụ nội bộ overseex để replay kịch bản, theo dõi thay đổi theo thời gian. Hỏi cộng đồng: các bạn đang test AI agents như thế nào? Gặp vấn đề gì thường? #AI #Testing #AIagents #KiểmThửAI #CôngCụAI
https://www.reddit.com/r/SaaS/comments/1qpib5n/i_thought_building_ai_agents_was_hard_turns_out/
Bài test thực tế so sánh GLM 4.7 và Minimax M2.1 trong việc tạo kiểm thử e2e. Minimax M2.1 vượt trội về tốc độ và độ tin cậy (40 phút vs 70 phút không xong của GLM).
Đáng chú ý, GLM 4.7 dù không hoàn thành nhưng lại phát hiện lỗi thiết kế code, điều mà Minimax bỏ qua. Người dùng ưu tiên Minimax M2.1 cho hiệu suất, nhưng vẫn cân nhắc GLM làm backup cho các vấn đề sâu hơn.
#AI #LLM #GLM47 #MinimaxM21 #AITesting #TechReview #SoSanhAI #KiểmThửAI
Tạo công cụ Ghost Testing dựa trên kinh nghiệm kiểm thử của Amazon, dùng AI mô phỏng phản hồi người dùng giúp phát hiện lỗi, ghi màn hình và đưa ra đề xuất trước khi ra mắt ứng dụng. Thử miễn phí để cải thiện sản phẩm! #ỨngDụngMới #KiểmThửAI #StartupTip #NewAppTesting #AIFeedback #SideProjectSuccess
Kỹ sư LLM đặt câu hỏi về công cụ tự động kiểm tra, đánh giá và viết lại prompt. Hiện tại, việc phát triển prompt còn thủ công, khó kiểm soát lỗi. Công cụ đề xuất sẽ tạo test case đa dạng (~100 inputs), chạy trên nhiều mô hình (GPT, Claude, Gemini), sau đó tự động tinh chỉnh prompt đến khi hoạt động ổn định. Liệu có giá trị?
#LLM #PromptEngineering #AITools #KỹSưLLM #PhátTriểnPrompt #KiểmThửAI
https://www.reddit.com/r/LocalLLaMA/comments/1pdqvet/question_for_llm_engineers_is_there_value_in_a/
"Prompt as code" là mô hình quản lý prompt cho LLM, với hệ thống kiểm thử 3 giai đoạn:
1. Smoke (DEV): Kiểm tra cú pháp nhanh.
2. Light (STAGING): Đánh giá hành vi, hiệu suất.
3. Heavy (PROD): Kiểm tra toàn diện, giám sát.
Giúp đảm bảo chất lượng, độ tin cậy của prompt, đặc biệt với các dự án lớn.
#PromptAsCode #LLM #Testing #AI #DevOps #PromptLàMã #KiểmThửAI #PhátTriểnAI
Playwright vừa ra mắt Công cụ kiểm thử AI (AI Test Agents) với công nghệ ấn tượng! Tuy nhiên, kiến trúc của chúng vẫn dựa trên các phương pháp reactive healing và DOM locators truyền thống. Đây là một bước tiến thú vị cho tự động hóa kiểm thử web.
#Playwright #AITesting #WebDev #Automation #KiểmThửAI #PhátTriểnWeb #TựĐộngHóa #CôngNghệMới