Tecnología
benchmark
Relacionadas
Google DeepMind ×3multimodal ×2LLM ×1aprendizaje por refuerzo ×1vision ×1multiagente ×1Kaggle ×1
Historias
Noticias
Google DeepMind lanza FACTS Benchmark Suite para evaluar factualidad en LLMs
Google DeepMind y Kaggle han presentado el FACTS Benchmark Suite, un conjunto sistemático de evaluación de la factualidad en modelos de lenguaje grandes. El…
Por qué importaLa factualidad es un problema crítico en LLMs usados para entrega de información. Un benchmark sistemático y público, gestionado por una plataforma…
DeepMind presenta Perception Test, benchmark multimodal para evaluar percepción en IA
Google DeepMind ha lanzado el Perception Test, un benchmark basado en videos reales del mundo para evaluar las capacidades perceptivas de modelos de IA…
Por qué importaLos benchmarks son instrumentos clave para definir objetivos de investigación y medir progreso en IA. El Perception Test aborda una brecha…
DeepMind publica Melting Pot, benchmark para evaluación de aprendizaje multiagente
Google DeepMind ha presentado Melting Pot, una suite de evaluación para aprendizaje por refuerzo multiagente (MARL). La herramienta incluye 21 "substratos"…
Por qué importaLa evaluación sistemática de la generalización social en sistemas multiagente es crítica para desplegar tecnología autónoma segura en el mundo real…