Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Realizaré pruebas de red team para la evaluación de seguridad de chatbots Rag Agent
Bharath
Acerca de este Servicio
Traducción automática
Haré pruebas de seguridad de tu chatbot de IA para alucinaciones, inyección de prompts y salidas inseguras
Descripción:
Antes del lanzamiento, alguien debe intentar romper a tu asistente. Lo haré de forma metódica: inyección de prompts, jailbreaks, deriva fuera de tema, filtración de PII, citas fabricadas y modos de fallo específicos por dominio (médico, legal, financiero). Obtendrás un registro de hallazgos con severidad, con casos reproducibles y orientación de mitigación, además de un conjunto de regresión para que las correcciones se mantengan fijas.
Conoce a Bharath
Bharath
LLM AI Model Evaluation Specialist , QA automation Architect ,Eval pipelines
- DeIndia
- Miembro desdesep 2021
- Responde aprox. en:1 hora
- Última entrega8 meses
Idiomas
Inglés, Tamil, Hindi
I help AI product teams answer one question: is this model actually good enough to ship? I built evaluation pipelines for LLM generated reports, validated models
Test consultant with 15+ years of professional experience and has expertise in QA for AI agents, Chatbots, RAGS, Web and mobile applications in domain like Banking, Insurance, Manufacturing, ecommerce. etc
* Expertise in automation testing using tool like Playwright, Selenium using Python, Java
* API testing using Postman
* Performance testing using Jmeter and K6 tools
* Security testing and Vulnerability assessment (OWASP standards)
Traducción automática
Otros servicios de Desarrollo de IA que ofrezco
FAQ
Traducción automática
¿Necesito compartir mis datos de producción?
No. Trabajo con muestras que elijas, datos sintéticos o una exportación redactada. Todo queda bajo tu NDA y se elimina al entregar.
¿Qué herramientas de evaluación usas?
Promptfoo, LangSmith, Ragas, DeepEval o un simple arnés de Python/pytest. Elijo lo que mejor encaje con tu pila
¿Puedes evaluar un sistema RAG o un agente, no solo un solo prompt?
Sí. En RAG, evalúo recuperación y generación por separado (precisión de contexto/recall, fidelidad, relevancia de la respuesta). Para agentes, evalúo la corrección de llamadas a herramientas y la finalización de tareas.
¿Qué significa "LLM-as-judge" y es fiable?
Un segundo modelo califica las salidas según una rúbrica que elaboro contigo. La calibro con una muestra etiquetada por humanos para que sepas cuánto confiar en las puntuaciones.
¿También haces red-team o comparación de modelos?
Sí, ambos son servicios separados en mi perfil, o añádelos como extras aquí.
