i criteri

Valutare l’IA: dal test set al monitoraggio continuo

La valutazione modelli IA basata solo su test set può risultare inadeguata. I dati di prova spesso non rappresentano la realtà, ignorando casi rari e cambiamenti nel tempo. Serve un approccio dinamico che verifichi l’adattamento del modello al contesto reale d’uso

Pubblicato il 14 ott 2025

Paolo Ceravolo

Associate Professor SESAR Lab – Dipartimento di Informatica Università degli Studi di Milano

ai literacy faq commissione europea alfabetizzazione all'IA fiducia nell'IA LLM open-weights

Nell’apprendimento automatico tradizionale, la valutazione di un modello si basa su metriche come accuratezza, precisione (precision) e recupero (recall) che sono misure di adeguatezza tra il modello e i dati di test. Il presupposto è semplice: i dati usati nella fase di test offrono una buona rappresentazione del mondo reale. Tuttavia questa assunzione è, spesso, una semplificazione eccessiva.

@RIPRODUZIONE RISERVATA