Definición completa

La evaluación combina pruebas, conjuntos de datos, métricas y revisión humana para estimar capacidades y limitaciones de un modelo en tareas concretas. Los resultados dependen del diseño de las pruebas y deben interpretarse junto con el contexto de uso.

Ejemplo en contexto empresarial

Comparar dos modelos con casos representativos de soporte al cliente y revisar sus errores antes del despliegue.