Tag

#Evaluacion modelos

4 artículos encontrados.

Agentes de búsqueda IA: el problema no es buscar, sino preguntar cuando la consulta es ambigua

Un nuevo benchmark revela que los agentes de búsqueda fallan al no pedir aclaraciones ante consultas ambiguas. La precisión se dispara hasta 40 puntos al eliminar la ambigüedad.

5 min lectura5semIAOnda Redaccion

Investigación

Capability slices: el método que transforma la depuración de LLMs en ciencia exacta

Investigadores proponen los 'capability slices' para vincular fallos de benchmark con intervenciones de datos precisas. Dos estudios de caso demuestran que el diagnóstico deja de ser intuición y se vuelve auditable y válido experimentalmente.

6 min lectura6semIAOnda Redaccion

Herramientas

Genesis AI revoluciona pruebas de robots con plataforma a escala

Lanza Genesis World 1.0, logrando correlación real-mundo de 0.8996 y reduciendo tiempo de evaluación de políticas de 200h a 0.5h.

5 min lectura11semIAOnda Redaccion

Investigación

Opus 4.8 y Claude Mythos Preview: ¿los nuevos modelos de IA cumplen con las expectativas de seguridad?

Un estudio revela que los tasas de desalineación de Opus 4.8 son similares a las de Claude Mythos Preview, levantando preguntas sobre la fiabilidad de los modelos recientes.

5 min lectura11semIAOnda Redaccion