Economía
El Poder de las Marcas de Referencia Empoderadas por la Inteligencia Artificial: Evaluando el Rendimiento de LLM con Exámenes Generados por Inteligencia Artificial
Los benchmarks de autoconstrucción son esenciales para evaluar las capacidades de los Grandes Modelos de Lenguaje (LLM). Usamos inteligencia artificial agentic para que los LLM generen y evalúen exámenes prácticos en Finanzas, Operaciones Empresariales, Gestión, Computación y Matemáticas. Aunque los modelos líderes alcanzan puntuaciones medianas de 65-79%, muestran debilidades en manipulación de datos y cálculos financieros. Los benchmarks generados por LLM pueden ofrecer una forma rentable, escalable y actualizable de medir las capacidades laborales de la inteligencia artificial.
21 de noviembre de 2025