Más allá de la precisión: Cómo CORE-Bench rompe el paradigma de evaluación
Este estudio desafía el enfoque tradicional centrado en la precisión de benchmarks, revelando cómo evaluaciones en dimensiones como eficiencia y colaboración humano-agente ofrecen insights más profundos. CORE-Bench v1.1 y su versión OOD demuestran la relevancia de estas métricas incluso cuando la precisión ya no mejora.
5 min lectura5semIAOnda Redaccion
