প্রমাণ, প্রচারের সংখ্যা নয়।
সংরক্ষিত SAMPLE ডেটাসেট থেকে হিসাব করা ফল। লাইভ মডেল ও শুধু পরীক্ষার তথ্যের ফল আলাদা।
লাইভ Gemini মূল্যায়ন
মাপা হয়নি — Gemini কনফিগার করা নেই
ফল তৈরির সময়: ১৪/১০/২০২৬, ৪:৪০:২৪ AM (Asia/Dhaka)
| পরিমাপ | সঠিক / মোট | নির্ভুলতা |
|---|---|---|
| সব দৃশ্যমান তথ্য | — | মাপা হয়নি |
| বাংলা লেখা | — | মাপা হয়নি |
| ইংরেজি লেখা | — | মাপা হয়নি |
| প্রত্যাশিত অনুপস্থিত তথ্য | — | মাপা হয়নি |
| কাগজের ধরন / গ্রহণ না করা | — | মাপা হয়নি |
অমিল শনাক্তকরণ
মূল্যায়িত তুলনা: 0 / 7 · প্রত্যাশিত স্ট্যাটাস হুবহু মিলেছে: 0
সঠিক শনাক্ত অমিল: 0 · ভুল শনাক্ত অমিল: 0 · ধরা না পড়া অমিল: 0
ব্যর্থ বা আটকে থাকা রান
all: NOT_CONFIGURED
ডেটাসেটের ফিঙ্গারপ্রিন্ট
5107b63f4f5cdd985f6e771c1ca6ca1393be7e667362b7575a5f3e4174f2c8f7কাল্পনিক পরীক্ষার মূল্যায়ন
মডেলের নির্ভুলতা নয়। এই অ্যাডাপ্টার সত্য তথ্যই ফেরত দেয়; তথ্য পড়ার মেট্রিক শুধু আদানপ্রদান পরীক্ষা করে। তুলনার মেট্রিক আসল নিয়মভিত্তিক ইঞ্জিন পরীক্ষা করে।
ফল তৈরির সময়: ১৪/১০/২০২৬, ৪:৪০:২৪ AM (Asia/Dhaka)
| পরিমাপ | সঠিক / মোট | নির্ভুলতা |
|---|---|---|
| সব দৃশ্যমান তথ্য | 47 / 47 | 100.0% |
| বাংলা লেখা | 7 / 7 | 100.0% |
| ইংরেজি লেখা | 22 / 22 | 100.0% |
| প্রত্যাশিত অনুপস্থিত তথ্য | 1 / 1 | 100.0% |
| কাগজের ধরন / গ্রহণ না করা | 8 / 8 | 100.0% |
অমিল শনাক্তকরণ
মূল্যায়িত তুলনা: 7 / 7 · প্রত্যাশিত স্ট্যাটাস হুবহু মিলেছে: 7
সঠিক শনাক্ত অমিল: 2 · ভুল শনাক্ত অমিল: 0 · ধরা না পড়া অমিল: 0
ডেটাসেটের ফিঙ্গারপ্রিন্ট
5107b63f4f5cdd985f6e771c1ca6ca1393be7e667362b7575a5f3e4174f2c8f7কী মাপা হচ্ছে?
- NFC-তে হুবহু তথ্য মেলানো হয়। ফাঁকা স্থান বা বিন্যাসের পার্থক্যও তথ্য পড়ার ভুল।
- প্রত্যাশিত লিপি অনুযায়ী বাংলা ও ইংরেজি আলাদা। তারিখ ও পরিচয় নম্বর শুধু সামগ্রিক মেট্রিকে থাকে।
- পড়ার উপযোগী কাগজে ব্যর্থ রানও মোটের হিসাবে থাকে। ঝাপসা ও ভুল কাগজে গ্রহণ না করার ক্ষমতা মাপা হয়।
- শুধু possible_discrepancy অমিল হিসেবে গণ্য। নামভেদ পর্যালোচনার স্তরে থাকবে। প্রত্যাশিত অমিলের জোড়ায় ব্যর্থতা false negative।
- মূল্যায়ন শুধু হিসাবের জন্য পড়া তথ্য স্বয়ংক্রিয়ভাবে স্বীকার করে। এটি আসল মানুষের যাচাই নয়।
ছোট কাল্পনিক সেট, বাস্তব সীমাবদ্ধতা
আটটি পরীক্ষার কাগজ আসল সরকারি কাগজের নকশা বা প্রতিনিধিত্বশীল ডেটাসেট নয়। ফল বাস্তব নির্ভুলতা, আইনি পরিচয় বা অনুমোদনের সম্ভাবনা প্রমাণ করে না। সম্পন্ন রান মানেই মানের পরীক্ষায় উত্তীর্ণ নয়।
আবার মূল্যায়ন করুন
সার্ভারের GEMINI_API_KEY ও GEMINI_MODEL দিয়ে npm run eval চালান। পরীক্ষার তথ্যের জন্য আলাদা npm run eval:mock চালান। নতুন JSON তৈরির পর অ্যাপ আবার বিল্ড করুন।
npm run eval npm run eval:mockএকই নমুনা দিয়ে দেখুন →