que es evaluación humana?

Una prueba o conjunto de datos estandarizado que se utiliza para medir y comparar el rendimiento del modelo.

Un punto de referencia de los problemas escritos de matemáticas de la escuela primaria que se utiliza para evaluar el razonamiento paso a paso en modelos de lenguaje.

Un conjunto de datos reservado que se utiliza para medir la calidad del modelo después del entrenamiento.

Cálculo de inferencia adicional utilizado durante la generación de respuestas para mejorar la calidad o el razonamiento.

Una métrica de evaluación de código que mide la probabilidad de que al menos una de las k muestras generadas pase las pruebas.

Políticas, estándares y mecanismos de supervisión que guían cómo se desarrolla y utiliza la IA en la sociedad.