Model Evaluation
Entradas y parámetros
Casos representativos y criterios. Usar la ruta del proyecto, alcance y criterios del encargo. Marcar datos faltantes como pendientes; no inventarlos.
Procedimiento
Separar fixtures de pruebas con modelo real. Definir casos y rúbrica; medir exactitud, seguridad, latencia y costo en entorno autorizado.
Ejemplo
Mock HTTP valida payload; prueba real requiere servidor/modelo disponible.
Dependencias
Contrato del agente asignado y PROJECT MEMORY. Para comandos del kit: Python 3.11+ y checkout de UASEK; los comandos de red o Git requieren esas capacidades cuando se indiquen.
Finalización verificable
Reporte distingue pruebas simuladas, reales y no ejecutadas. Registrar archivos y resultado de comprobaciones, incluidos los fallos o pruebas no ejecutadas.
Agentes compatibles declarados
Fuente mantenida en el repositorio
Esta página se deriva de skills/ai/model-evaluation/SKILL.md. Edita la fuente y regenera el portal; no se mantiene una segunda copia manual.