- 資料品質
- 在資料問題影響模型前，及早找出缺漏。
- 模型表現
- 在上線前測試準確度、公平性及穩健性。
- 風險追蹤
- 追蹤問題，掌握部署前需要處理的事項。
為甚麼
在一般情況下，模型看似已經準備好。 令它失誤的情況，很少在示範中出現
InspecSpider 的視覺模型一直表現穩定，直至模擬濃霧的測試揭示了影像分割的失誤。Knotest 把每項測試、發現及跟進行動集中在同一專案，讓下一次審查以證據為起點。
閱讀 InspecSpider 研究運作方式
一個專案，涵蓋每項測試 由你的模型，到清晰的上線決定
你提供
你的模型
你打算開發、採購或部署的 AI 系統
你的資料
模型學習及運作所用的資料
你的標準
上線前必須達到的成效
Knotest 專案
由 HephaKnot 提供
你會得到
評估報告
按你的標準量度的結果
風險登記冊
每項風險都有負責人及處理狀態
來源紀錄
每項發現都連結到相關證據
現在我們不再只是猜測。 我們知道接下來會發生甚麼。
適用於
管治及風險負責人
在批准上線前，一併檢視測試結果、未解決的風險及相關證據。
採購 AI 的團隊
在決定採購前，確認供應商的 AI 能否處理你的實際文件。
開發 AI 的團隊
找出模型失誤的地方，將測試結果轉化為下一次審查的依據。
創新團隊
在試驗開始時訂立成功標準，再以這些標準量度結果。
AI 供應商
以企業客戶的資料展示系統表現，提供他們可以核實的結果。