المصادر
اختبارات التقويم: كيف نعرف أن المساعد الذكي يؤدي عمله جيدًا؟
أُعد المقال بمساعدة الذكاء الاصطناعي، وروجعت لغته وإحالاته في 18/10/2026. شرح أصلي يستند إلى دليل هندسي وعرض لتجارب داخلية وملخص وثيقة مؤسساتية وملخص ورقة منشورة ضمن أعمال مؤتمر. مثال مراجعة الترجمة وخطة الاختبارات إضافات تحريرية مقترحة، ولم تُنفذ تجربة أو تُحسب نسبة أداء. لا يُدعى رواج بترتيب إحصائي، أو صلاحية النتائج لكل مهمة، أو قراءة متون لم تُقرأ أو تحكيم لم يُتحقق منه. لا يُعرض نجاح اختبار محدود بوصفه شهادة أمان عامة. نُقحت المداخل والعناوين وقُسمت الفقرات الطويلة في 22/10/2026 لتيسير القراءة، وأضيف مثال تعليمي من الترجمة أو التواصل أو الصحافة واللغة. الأمثلة الجديدة مقترحات تحريرية وليست نتائج تجارب أو أقوالًا منسوبة إلى أصحاب المصادر. تواريخ التحقق وحدود القراءة الأصلية باقية؛ هذا تنقيح تعليمي، وليس تحققًا جديدًا من الوقائع.
[1] Anthropic — Demystifying evals for AI agents
دليل هندسي بتاريخ 09/01/2026، تحقق 18/10/2026. قُرئت المقدمة وبنية الاختبار وأنواع المصححين والتمييز بين القدرة واختبارات عدم التراجع. لا يُدعى قراءة جميع أمثلة المقال أو تنفيذها. خبرة من المطوّر، وليست تقويمًا مستقلًا محكمًا أو شهادة صلاحية لمنتج.
[2] Gian Segato — Quantifying infrastructure noise in agentic coding evals
مقال هندسي من Anthropic بتاريخ 05/02/2026. قُرئ النص المتاح في 18/10/2026؛ اعتمدت خلاصة محدودة بشأن أثر إعدادات الموارد في اختبارات وكلاء البرمجة. التجارب داخلية ومقيدة بإعداداتها، ولم نكررها أو نتحقق من تحكيم أكاديمي لها أو نعمم مقاديرها على الترجمة.
[3] NIST — Generative Artificial Intelligence Profile, AI 600-1
وثيقة مؤسساتية منشورة في 26/07/2024؛ تذكر صفحة الفهرسة تحديثًا في 08/04/2026. قُرئ الملخص وبيانات النشر في 18/10/2026 دون قراءة التقرير كاملًا. يوضح الملخص الطبيعة الطوعية للإطار وارتباطه بالتصميم والاستخدام والتقويم؛ لا تُعامل الوثيقة بوصفها تجربة محكمة تثبت سلامة نظام بعينه.
[4] Lin Shi et al. — Judging the Judges: A Systematic Study of Position Bias in LLM-as-a-Judge
ورقة مثبتة في أعمال مؤتمر IJCNLP-AACL، ديسمبر 2025، الصفحات 292–314. تحقق 18/10/2026. قُرئ الملخص وبيانات النشر فقط، ولم يُقرأ المتن كاملًا أو تُكرر التجارب. المتحقق هو النشر ضمن أعمال المؤتمر؛ لم تُراجع تقارير التحكيم الفردية. استُخدمت النتيجة المحدودة بشأن تحيز ترتيب الأجوبة دون تعميم على كل مصحح آلي.