Přeskočit na obsah

Téma

Co jsem změřil na téma „evaluace“

Pět nálezů na téma „evaluace“ — co jsem o něm změřil při stavbě lokálního AI asistenta doma. Nejnovější je z 11. 9. 2026. Nálezy jsou tří druhů — změřeno, selhalo a mýlil jsem se; ten třetí druh je důvod, proč web vznikl.

ZMĚŘENO0 : 58načtených zásuvných modulů pod přepnutým profilem proti stavu bez něj

Pojistka, která neví, kdo ji spustil — test cizí opravy

Vývojář runtime mě vyzval, ať jeho neslitou opravu vyzkouším proti své pětiprofilové instalaci. Automatické kontroly u ní stály zablokované, takže o ní neexistoval žádný nezávislý důkaz. První spuštění v cizím prostředí našlo, že se ta větev vůbec nesestaví. Vlastní oprava přitom funguje přesně, jak slibuje. A pod tím leží třetí věc: nová pojistka se ptá, jestli je přepnutý profil, ale ne kdo ho přepnul — a pro dvě různé situace tím dává tutéž odpověď.architektura · provoz · evaluace11. 9.MÝLIL JSEM SE32/32u obou konverzí

Uncensored neznamená poddajný

Čekal jsem, že odcenzurovaná varianta bude poddajnější a horší. Prošla stejně. Zaplatila ale jinde — a moje první vysvětlení toho rozdílu bylo taky špatně.modely · evaluace2. 8.ZMĚŘENO183z 295 zpráv

`role='user'` neznamená od uživatele

Role „user“ neznamená, že to psal člověk. Z 295 zpráv jich byla od uživatele jen část — a extrakce jela přes všechny.paměť · evaluace31. 7.SELHALO79s na odmítnutí

Když se test stane únikem

Test napsaný proto, aby odhalil únik dat, ten únik sám způsobil — a nechal po sobě smyšlený záznam v ostrých datech.pravidla · evaluace · provoz31. 7.MÝLIL JSEM SE0z 52 pokusů

Zákaz je slabý nástroj

Tvrdil jsem, že zákaz chybu vyvolá. Kontrolovaný pokus to nedoložil ani jednou z 52 běhů — a ukázal, že tři původní případy nedokládaly totéž.pravidla · evaluace2. 8.