Évaluation des LLM : pourquoi une bonne réponse est un leurre
Un modèle qui réussit un examen complexe peut trébucher sur l'étape précédente sans que personne ne s'en rende compte. En confrontant huit modèles phares à des apprenants humains via la Knowledge Space Theory, une étude démontre que nos benchmarks mesurent une illusion d'optique. Faut-il abandonner l'exactitude brute pour auditer la véritable structure des connaissances ?
#modeles #meta-evergreen #benchmarks #evaluation
The skinny
The skinny isn't ready yet — notes appear once the transcript is processed.