Traducción con LLM: glosarios, variantes del español y formato intacto
Cómo mantener la terminología consistente, elegir la variante regional, preservar variables y etiquetas, y evaluar traducciones con comprobaciones en código.
// Etiqueta
Evaluación
5 artículos
Qué podría descubrir la IA en los próximos años: dónde hay resultados y dónde solo promesas
Una forma de evaluar predicciones sobre descubrimientos científicos con IA: la velocidad de verificación de cada campo, lo que ya se ha logrado y los cuellos de botella que la IA no elimina.
¿Puede la IA volverse contra la humanidad? Qué dicen los investigadores y qué evidencia hay
El riesgo de desalineación explicado sin ciencia ficción: objetivos mal especificados, comportamientos observados en evaluaciones controladas, el desacuerdo entre expertos y qué se hace al respecto.
Evaluar agentes de principio a fin: estado final, trayectoria y fiabilidad en varios intentos
Cómo evaluar agentes con tareas verificables en entornos aislados, por qué medir pass^k además de la tasa de éxito y qué revisar en la trayectoria.
Evaluar un sistema con LLM sin depender solo de otro LLM como juez
Comprobaciones deterministas, métricas con referencia, jueces LLM calibrados con etiquetas humanas e intervalos de confianza para no confundir ruido con mejora.