Como medir uma IA de verdade quando os benchmarks já não bastam
Durante anos, comparar modelos de inteligência artificial parecia simples. Bastava olhar uma tabela de benchmarks, localizar a pontuação mais alta e concluir que aquele sistema era o melhor. Essa lógica está ficando frágil. À medida que os modelos passaram a escrever código, resumir documentos, operar ferramentas e tomar decisões em várias etapas, uma prova padronizada […]
