Etiqueta
#benchmarks
3 artículos
models
Qué significa de verdad un "modelo frontera" — y por qué los benchmarks engañan
"Modelo frontera" es una etiqueta móvil, no una ficha técnica. Esto es a lo que apunta, por qué los rankings rara vez sirven y cómo elegir bien igualmente.
#frontier-models#benchmarks#evaluation
06-01 19:11·7 min
research
Evaluación más allá de los benchmarks: jueces humanos y modelos
Los benchmarks miden lo fácil de puntuar. Para el trabajo abierto necesitas criterio: de personas, o de un modelo que las sustituye. Ambos pueden engañar.
#evaluation#llm-as-judge#benchmarks
05-06 16:53·7 min
research
Cómo se evalúan los modelos: los benchmarks, y por qué mienten
Las puntuaciones de benchmark parecen mediciones, pero son argumentos. Cómo funciona de verdad la evaluación de modelos, y por qué un número alto puede engañarte.
#benchmarks#evaluation#leaderboards
05-06 16:14·7 min