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 har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
AI Engineer 23 okt.
Real AI Agent Attacks and What Would Have Stopped Them — Andrey Rybka, Bloomberg
AI Engineer 23 okt.
Outside of tech there has been no financial payoff to US companies for using AI, now viewed as a margin-hurting cost center, as VC-backed firms burn more tokens
Techmeme för 3 tim sedan
Source: Replit recently moved most AI spend from Anthropic to OpenAI, which gave 30%+ off in a deal worth $100M+/year, after Anthropic discontinued its discount
Techmeme för 5 tim sedan