Optimizar un modelo de IA o prompt específicamente para obtener puntajes altos en benchmarks conocidos, en vez de mejorar el rendimiento real en el mundo, distinto de la 'evaluación de prompts' —es explotar un test específico, no medir calidad real.
Ejemplos
"Sacó el primer lugar en cada benchmark, y luego falló por completo en la tarea real, persecución de benchmarks clásica."
Origen y uso
Se usa para quejarse de un puntaje alto que no se traduce en buen rendimiento real.
MENTIONS OVER TIME
Radar observation data not yet available for this term.
¿Quieres ver la entrada completa en inglés con etiquetas de categoría, tendencia, distribución por plataforma y votos de la comunidad? Visita la Benchmark Chasing entrada completa en inglés →
Not enough Radar data yet.
WHEN DID YOU FIRST HEAR THIS?
CLICK AN OPTION BELOW TO CAST YOUR VOTE.
[ VOTE TO REVEAL COMMUNITY RESULTS ]