Ghi chú từ thực hành.

Tôi đã đánh giá 40 podcast AI bằng 7 ngôn ngữ. Sáu bản sửa pipeline sau đó — đây là những gì đã cải thiện.

Tôi đã xây dựng một framework đánh giá để chấm điểm pipeline podcast AI của mình trên 40 tập thực tế bằng 7 ngôn ngữ. Bước review đang làm scripts tệ hơn (3.34 → 2.91). Tất cả citation URLs đều trông giả mạo (điểm: 1.28). Tiếng Trung là ngôn ngữ yếu nhất (2.88). Sáu bản sửa, một ngày và một model mới sau đó — đây là những con số before/after và từng thay đổi tôi đã thực hiện.