Domingo 1 de noviembre de 2026 ·
Dos modelos de lenguaje locales con 32 y 24 aciertos de 52: ¿es fiable la diferencia de 8 preguntas?
Un informe semanal de benchmarks de modelos locales dio 32 de 52 aciertos (61,5%) para DigitalForensicsText2SQLite y 24 de 52 (46,2%) para Qwen3 destilado de 1,7B, y concluyó que los intervalos se solapan. El autor verifica que las sumas son correctas y coincide con la conclusión, pero señala que la herramienta estadística usada no era la adecuada para estos datos. Responder si la diferencia es casual requiere saber qué modelo falló en cada pregunta, algo que el informe no incluía.
Qué significa
Comparar modelos con pocas preguntas invita a sobreinterpretar pequeñas diferencias: una ventaja de 8 aciertos puede no ser concluyente, y la respuesta depende de datos por pregunta.
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
También ese día
Todas las noticias de IA del domingo 1 de noviembre de 2026 ->