Evaluaré flujos de trabajo de IA agentic, llamadas a herramientas y rastros de razonamiento de llm

¿Estás desarrollando una aplicación de LLM o un Agente de IA Autónoma y necesitas una evaluación rigurosa, con intervención humana?

Soy un especialista en datos de IA con más de 3 años de experiencia, especializado en análisis de flujos de trabajo agentic, verificación de precisión en llamadas a herramientas y detección de alucinaciones sutiles. Ayudo a los equipos de IA a ajustar el rendimiento del modelo con retroalimentación humana accionable y defendible (RLHF/RLAIF).

Lo que ofrezco en este Gig:

- Auditoría de flujo de trabajo agentic: Evaluación de lógica de razonamiento en múltiples pasos, ejecución de pasos y calidad de la tarea completada por el agente.

- Verificación de llamadas a herramientas y parámetros: Auditoría de parámetros de funciones, cargas útiles de API y registros de ejecución.

- Evaluación comparativa lado a lado (SxS): Evaluación rigurosa de respuestas comparando con tus rúbricas personalizadas.

- Detección de seguridad y alucinaciones: Identificación de errores fácticos, cambios semánticos no deseados y salidas tóxicas.

Herramientas y entornos: Experiencia con Argos, CVAT, interfaces web de inspección de rastros, Claude, ChatGPT y entornos API.

Confidencialidad estricta garantizada. ¡Elige un paquete o contáctame para volúmenes personalizados de rastros!