Evals Evaluaciones de LLM
Pruebas para sistemas LLM — métricas de calidad automatizadas sobre prompts, modelos y flujos agénticos.
"Una buena app de LLM sin evals es como programar sin tests." Herramientas: OpenAI Evals, Anthropic Evals, Braintrust, LangSmith. Métricas: veracidad, utilidad, seguridad, coste, latencia. Suele combinarse con "LLM-as-judge" — otro LLM que puntúa.