En el mundo de la inteligencia artificial, los benchmarks están cambiando radicalmente. Desde su lanzamiento en noviembre de 2024, SWE-Bench ha ganado mucha popularidad como prueba clave para medir las habilidades de codificación de modelos de IA, utilizando problemas de…

Silicon Valley se enfrenta a una crisis de evaluación en inteligencia artificial. Con el auge de SWE-Bench en 2024, un benchmark diseñado para evaluar la habilidad de codificación de los modelos de IA, las prácticas de evaluación se han desviado…

La arena de la evaluación de modelos de inteligencia artificial está cambiando drásticamente. Con la llegada de SWE-Bench, una metodología que promete evaluar habilidades de programación, la comunidad de IA ha comenzado a cuestionar la validez de los métodos tradicionales…