ORIGINAL EVIDENCE
Laboratorium Tervyxa Systems
Laboratorium służy do dokumentowania sposobu testowania modeli, pipeline’ów, integracji i infrastruktury. Wynik jest publikowany jako benchmark dopiero po opisaniu środowiska i metody.
PUBLIC TRUTHPL-PLAKTUALIZACJA 2026-08-11
Status dowodu
| Status | Znaczenie |
|---|---|
| PLAN | Hipoteza lub test zaplanowany, bez wyniku. |
| EXPERIMENT | Pomiar wykonany, ale niezamrożony jako wynik referencyjny. |
| VALIDATED | Metoda i wynik zostały zweryfikowane i mogą być cytowane. |
| RETIRED | Wynik historyczny, który nie opisuje obecnego środowiska. |
Minimalny opis benchmarku
Każdy benchmark powinien podawać: sprzęt, wersję oprogramowania, model, parametry runtime, wejście testowe, metrykę, liczbę powtórzeń i warunki uznania wyniku za poprawny.
Testy RAG
Ocena systemu RAG powinna rozdzielać retrieval od generacji. Sprawdza się trafność dokumentów, kolejność kandydatów, kompletność kontekstu oraz jakość odpowiedzi końcowej.
Testy automatyzacji
Workflow ocenia się także w sytuacjach awarii: timeout, duplikat, błędne dane, niedostępne API i częściowo wykonane zadanie. Sukces oznacza nie tylko działanie happy path.