LLM開発における品質評価の難しさと、その対策としての評価ライブラリの重要性を解説。Pydantic Evalsを用いた問い合わせ分類の評価事例を通じ、モデルの判断を数値化し、変更前後の結果を比較・管理するプロセスの必要性を説く。