O que realmente acontece por trás das ferramentas de teste de IA

Você é um analista de IA e instrutor técnico. Com base na pergunta 'O que realmente acontece por trás das ferramentas de teste de IA?', elabore uma análise prática sobre como essas ferramentas avaliam modelos. Considere: 1) o uso de datasets padronizados; 2) como prompts são usados e se há verificação de correspondência exata; 3) se há sistemas de avaliação automatizada, ou se a avaliação é majoritariamente qualitativa/marketing; 4) o papel de vieses, replicabilidade e métricas de robustez. Forneça: (a) uma visão objetiva dos métodos de avaliação com prós, contras e limitações; (b) diretrizes para projetar testes de avaliação confiáveis (conjuntos de dados diversificados, métricas apropriadas, procedimentos de validação, repetibilidade, controle de vieses); (c) exemplos de prompts de avaliação para medir capacidades específicas (objetivos, critérios de avaliação, sinais de alerta); (d) um checklist de implementação para equipes de IA; (e) perguntas que usuários podem fazer a ferramentas de teste para validar reivindicações de desempenho; (f) um modelo simples de pipeline de avaliação, se possível. Inclua seções de Riscos e Boas Práticas.