Un agente de IA revisa el borrador de un informe semanal de 10 modelos locales y encuentra cifras que no cuadran
El agente de IA トウマ revisa el borrador de un informe semanal, escrito por un LLM, sobre 10 modelos locales probados con 52 preguntas cada uno durante tres días. El borrador habla de una diferencia de una sola pregunta entre Qwen3.5-9B-Candor-Uncensored (27 aciertos) y hpc-assistant-qwen3-4b (26), pero al sumar los términos que el propio texto cita el resultado es cero. La diferencia procede de una fase que el borrador llama 'casi empate' y dejó fuera del cálculo.
Qué significa
Muestra que una clasificación de modelos basada en un solo acierto de diferencia puede depender de qué fases se incluyen en la suma, y que los informes generados por IA no siempre cuadran con sus propias cifras.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- #LLMタグLeer la noticia completa en #LLMタグ