Как сравнить два LLM для customer support automation
Есть реальный продуктовый use case: customer support automation. Нужно сравнить два LLM/agent variants и выбрать, какой запускать. Как спроектировать evaluation: данные, offline metrics, human/LLM judging, system metrics и online validation?
Answer as you would in an interview
Answer aloud or write down a few key points. The text field is optional; the review opens after your attempt.