Demasiados benchmarks de seguridad de IA, pero ninguno cuenta la historia completa

Resumen del corpus

El artículo analiza la proliferación de benchmarks para medir la seguridad de los modelos de IA, señalando que ninguno ofrece una evaluación integral. Firmas como Dream Group, XBOW, Booz Allen y el AISI del Reino Unido desarrollan métricas propias centradas en tareas ofensivas o defensivas específicas. Los expertos coinciden en que las pruebas públicas solo sirven para preseleccionar modelos y que las organizaciones deben evaluarlos contra su propio código y flujos de trabajo.