Google Research propone nuevo estándar para benchmarks de IA con múltiples evaluadores
Investigadores de Google Research (Flip Korn y Chris Welty) publican un estudio que desafía la práctica estándar de usar 1 a 5 evaluadores humanos por elemento…
Por qué importaLa reproducibilidad y confiabilidad de las evaluaciones de IA dependen de cómo se recogen y estructuran los datos de verdad base. Los hallazgos…








