Mengevaluasi model tidak harus dimulai dengan tolok ukur berskala besar. Tulsee Doshi, pemimpin produk Google Gemini, memberikan saran di acara Lenny's Podcast: mulailah dengan 5 prompt; setelah terkumpul sekitar 20, Anda sudah bisa melihat sinyal perbedaan di antara model. Lalu jadilah penilai sendiri, kumpulkan serangkaian contoh yang bagus, pahami standar «bagus» menurut Anda, baru pertimbangkan untuk meningkatkan skalanya. Untuk melatih kepekaan, tidak ada jawaban yang baku. Ada yang mencoba animasi 3D, ada yang mencoba menulis, ada pula yang mencoba analisis keuangan. Kuncinya adalah menemukan tugas-tugas yang sudah menunjukkan potensi pada model, tetapi menurut standar Anda masih belum cukup sempurna. Di situlah perbedaan paling mudah terlihat. Sumber: Lenny's Podcast, https://www.youtube.com/watch?v=qGf2Yvan4Wg
