Golden dataset

Conjunto curado de entradas com as respostas (ou critérios) esperadas, usado como referência nas avaliações.

Um golden dataset bom vem de casos reais, cobre os cenários críticos e difíceis e é revisado por quem conhece o negócio. Ele é a régua que diz se uma mudança melhorou ou piorou o sistema.

Veja também: Eval (avaliação de LLM), LLM-as-a-judge