Ocena jakości
Pareto Frontier
Zbiór rozwiązań optymalnych w sensie Pareta — takich, których nie da się poprawić na jednym kryterium bez pogorszenia innego; w ocenie modeli AI często: inteligencja vs koszt lub szybkość.
Kategoria
Ocena jakości
Poziom abstrakcji
Wzorzec
Poziom operacji
Ewaluacja (runtime)System
Zastosowania
Porównywanie modeli: inteligencja vs kosztDobór modelu pod budżet i opóźnienieAnaliza kompromisów jakość–szybkośćPrezentacja wyników benchmarków (np. Artificial Analysis)
Jak działa
Każdy model przedstawia się jako punkt w przestrzeni kryteriów (np. inteligencja na jednej osi, koszt na drugiej). Granicę Pareta tworzą punkty niezdominowane — takie, dla których poprawa jednego kryterium wymusza pogorszenie innego. Wybór spośród nich zależy od preferencji (np. budżetu).
Rozwiązany problem
Jak porównywać modele AI, gdy liczy się więcej niż jedno kryterium (np. jakość i koszt), a żaden model nie wygrywa na wszystkich naraz?
Mocne strony i ograniczenia
Mocne strony
✓Jasno pokazuje kompromisy między celami
✓Eliminuje rozwiązania zdominowane
✓Niezależna od subiektywnych wag kryteriów
Ograniczenia
✗Nie wskazuje jednego „najlepszego» rozwiązania
✗Zależy od wyboru i jakości kryteriów
✗Trudniejsza do wizualizacji przy wielu kryteriach