مجموعة اختبار ذهبية
أمثلة حقيقية تقيس بها أي تغيير في الموديل أو الـPrompt بالمقياس نفسه
HOWالصق القالب في Claude واكتب: «املأ هذا القالب معي. اسألني سؤالاً واحداً في كل مرة، ولا تفترض أي معلومة لم أقلها.» ثم راجع النتيجة: كل رقم له مصدر أو n.
مجموعة أمثلة حقيقية تقيس بيها أي تغيير (موديل، prompt، إعداد) بنفس المقياس.
القواعد
- أمثلة من استخدامك الحقيقي، مو مخترعة. وتشمل الحالات الصعبة والغريبة.
- لكل مثال الجواب الصحيح أو معيار الصحة مكتوب قبل التشغيل.
- تنفصل عن أمثلة الـprompt (حتى ما تقيس على اللي دربت عليه).
- لا تغيّر المجموعة أثناء المقارنة. غيّرها بنسخة جديدة (v2).
- اذكر حجمها دائماً (n).
الشكل (ملف CSV)
id,input,expected_or_criteria,category,added_on
1,"نص الإدخال","ما يجب أن يظهر بالمخرج","اجتماع طويل",2026-10-12
بعد كل تشغيل
| الإصدار | n | نجح | فشل | نسبة العيوب | أكثر خطأ تكراراً | الكلفة/مهمة | الزمن |
|---|---|---|---|---|---|---|---|