OpenAI propone un manual común para evaluaciones independientes y confiables de modelos de frontera
Resumen del corpus
OpenAI publicó un manual con recomendaciones para que las evaluaciones independientes de terceros sobre modelos de frontera sean válidas y confiables. La empresa sostiene que el "arnés" de evaluación —herramientas, memoria, reintentos y presupuesto— puede alterar materialmente los resultados y que los informes deben explicitar qué afirmación se prueba y qué controles de validez se aplicaron. Advierte sobre riesgos como el hackeo de recompensa, la contaminación, los rechazos, los problemas rotos y el sandbagging, y propone estándares nacionales e internacionales con mayor detalle.
Tags
Personas mencionadas
Noticia original No se identificaron personas.