Un estudio de Google encuentra que las pruebas estándar de IA sistemáticamente ignoran cómo los humanos discrepan en las evaluaciones.

Los tres a cinco evaluadores humanos habituales por ejemplo de prueba a menudo son insuficientes para resultados fiables.

Generado por IA: resúmenes redactados por IA a partir de las fuentes enlazadas. Cómo usamos la IA