AI Evals for Cross-Functional Teams — Nachiket Paranjape & Swaroop Chitlur Haridas, DoorDash
DoorDash bygger sin AI-bedömning (evals) genom att låta icke-tekniska team själva skapa verktyg för att testa och förbättra AI:n.
Istället för att bygga ett perfekt gränssnitt från början, skapade plattformsteamet stabila API:er — standardiserade kopplingspunkter — som strategi-, operations- och produktteamen kunde koppla in sina egna verktyg i. Bedömningen blev en arbetsprocess över flera team: operations-folk annoterar och märker data, produktchefer sätter kvalitetskrav, och ingenörer tillhandahåller mätdata. Själva processen är enkel — de samlar in AI-svar, markerar de bästa exemplen, tränar en "domare" (en liten AI-modell som graderar automatiskt), och övervakar hur det går över tid. Eftersom olika team har olika behov accepterar de att det inte finns en enda rätt väg, och kostnaden per annoteringsjobb sjönk markant.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
The exact tools used to port a massive codebase in days #programming #typescript #dev
AI Engineer för 44 min sedan
The Universal Remote Control for AI — Alex Hancock, Block
AI Engineer för 5 tim sedan
MCP Apps: Give the Model Data, Give the User a UI — Dustin Mihalik, Indeed
AI Engineer för 5 tim sedan
Your agents lack context: Here's how to fix "You're absolutely right!" — Brandon Waselnuk, Unblocked
AI Engineer för 6 tim sedan