Modelos de IA que puntúan más en los tests no hicieron más trabajo: qué dice un experimento natural con 297 desarrolladores
Un preprint de Harvard aprovechó la suspensión de 19 días de un modelo de código para medir qué cambia en el trabajo real. Con 297 usuarios y 8.908 controles, el modelo con mejor puntaje no mejoró de forma significativa los cambios aceptados. Qué sirve y qué no. Tech Read MoreEl Economista
Post Comment