Evals
Test per sistemi basati su LLM: metriche di qualità automatiche su prompt, modelli e flussi agentici.
«Una buona app LLM senza evals è come programmare senza test.» Strumenti: OpenAI Evals, Anthropic Evals, Braintrust, LangSmith. Metriche: correttezza fattuale, utilità, sicurezza, costo, latenza. Spesso combinati con «LLM-as-judge», in cui un altro LLM assegna il punteggio.