Eval က သက်သေအပြည့်မဟုတ်

စိတ်လျှော့ပါ။ ဒီခန်းကို စာအုပ်လိုမဟုတ်ဘဲ စကားပြောသလိုပဲ၊ နားလည်လွယ်အောင် ရှင်းပါမယ်။

ခဏလေး ဒီလိုပဲ စဉ်းစားကြည့်

Eval က ယုံကြည်မှုတိုးတယ်။ သက်သေအပြည့်မပေးပါဘူး။ မေးခွန်းအသစ်၊ ဖိုင်အသစ်၊ model အသစ်မှာ ပျက်နိုင်ပါတယ်။ ဒါကြောင့် “eval ၁၀၀% အောင်လို့ production” မပြောပါနှင့်။ စားသောက်ဆိုင်က ဟင်းသုံးမျိုးစစ်ပြီး ဧည့်သည် ၃၀၀ ကို ချက်သလိုပါပဲ။ ရိုးသားတဲ့စာသားက “ဒီကတ်တွေအောင်တယ်၊ ဒါပေမယ့် ဒါတွေပဲစစ်ထားတယ်”။ ဒါက အရှက်မဟုတ်ပါဘူး။ ဒါက အရွယ်ရောက်တာပါ။

နေ့စဉ်ဘဝနဲ့ ချိတ်ကြည့်မယ်

Pack ရဲ့ထိပ်မှာ coverage ရေးပါ။ “စစ်ထား: ဖုန်းစည်းမျဉ်း၊ due date မလုံ၊ ဟောကိန်းထောင်ချောက်။ မစစ်ရသေး: ယူနီဖောင်း၊ သူများစာ၊ ပုံမေးခွန်း”။ User ကို “AI အမှန်အကုန်” မပြောပါနှင့်။ ကတ်ရှုံးရင် ထုတ်ကုန်ကို ချက်ချင်းမချပါနှင့်။ အရင်ကတ်ပြင်၊ မှတ်ချက်ရေး။

• အောင်တာက စစ်ထားတဲ့ကတ်တွေပဲ
• မစစ်ရသေးတာကို ရေးပါ
• “အကုန်မှန်တယ်” မပြောပါနှင့်

အတူတူ လက်တွေ့စမ်းမယ်

Coverage
Tested:   phones, missing date, no-fortune-telling
Untested: uniform rules, other people's notes
Claim:    these three behaviors held today

Eval coverage ကို ရိုးသားစွာ ရေးနိုင်မည်။