Économie
Le Pouvoir des Benchmarks Pilotés par l’IA : Évaluation de la Performance des LLM avec des Examens Générés par l’IA
Les benchmarks d’autoconstruction sont essentiels pour évaluer les capacités des Grands Modèles de Langage (LLM). Nous utilisons l’intelligence artificielle agente pour que les LLM génèrent et évaluent des examens pratiques en Finances, Opérations Commerciales, Gestion, Informatique et Mathématiques. Bien que les modèles de tête atteignent des scores moyens de 65-79%, ils montrent des faiblesses en manipulation de données et en calculs financiers. Les benchmarks générés par LLM peuvent offrir une forme rentable, échelonnée et actualisable de mesurer les capacités professionnelles de l’intelligence artificielle.
21 novembre 2025