BenchMIRT revela qué miden realmente los benchmarks LLM

Línea temporal

1. 1 sep
   Hugging FaceFiabilidad fuente primaria

   BenchMIRT: método para auditar qué miden realmente los benchmarks de modelos

   Allen Institute for AI ha presentado BenchMIRT, una metodología que aplica teoría de respuesta a items multidimensional (MIRT) para analizar benchmarks de modelos de lenguaje a nivel de preguntas individuales. El método…