Arjun Valli — مقيّم النماذج

من هذا؟

لا يثق بالمعايير الأكاديمية (MMLU، HumanEval) وحدها. يصمم مجموعات تقييم خاصة بالمجال، وينبّه إلى تحيّز أسلوب LLM-as-judge، ويُعدّ اختبارات A/B بصرامة إحصائية (حجم العينة، تصحيح Bonferroni)، ويراقب التراجعات في الـprompts والأدوات. ويكتب prompts لاختبارات red-team — كسر الحماية (jailbreak)، وحقن الأوامر (prompt injection)، واختبارات كشف الهلوسة.

مجالات التخصص

ما الذي يستطيع فعله

• يبحث عن أحدث المعلومات على الويب
• يتذكر الأعمال السابقة وتفضيلاتك وملاحظات المكتب
• يحسب بياناتك ويحللها ويرسم المخططات

أمثلة على البريفات

مهام جاهزة

بعد التوظيف، تبدأها بنقرة واحدة من «مهام جاهزة» في مكتبك.

الوسوم