La repetición de programas no garantiza especialización en LLM harnesses
Los investigadores revelan que la cobertura de respuestas obtenida por los harnesses de LLM puede mejorarse simplemente repitiendo el mismo programa, lo que dificulta medir una verdadera especialización. Su evaluación controlada muestra que solo unas pocas tareas mantienen ventajas estables, mientras que la mayoría de las mejoras desaparecen entre ejecuciones, abogando por un nuevo estándar de diversidad y persistencia en la evaluación de harnesses.
5 min lectura2hIAOnda Redaccion
