#llm

Una prueba de presión de 25 turnos revela que los LLM ceden aunque su razonamiento resista

SPINE, un nuevo benchmark publicado en arXiv, discute con los modelos hasta 25 turnos. En los siete sistemas evaluados, la tasa de claudicación sube con la longitud de la conversación.

Seung Jung·hace 3 días

5min

AI & ML

Suno reconstruyó sus modelos con catálogo licenciado y retira todo lo anterior

La generación v6 de Suno se entrenó con catálogo licenciado de Warner, BMG y Believe, y la empresa asegura que no reutilizó ningún dato de entrenamiento previo.

Seung Jung·hace 4 días

5min

Herramientas de DesarrolloAnálisis

Los reparadores con LLM rompieron código que funcionaba diez veces más a menudo de lo que arreglaron el defectuoso

Un estudio en arXiv midió un bucle de reparación con LLM dañando programas correctos a 0,261 y arreglando los defectuosos a 0,023, y halló la dirección interna que lo impulsa.

Seung Jung·hace 4 días

5min

#llm

Una prueba de presión de 25 turnos revela que los LLM ceden aunque su razonamiento resista

Suno reconstruyó sus modelos con catálogo licenciado y retira todo lo anterior

Los reparadores con LLM rompieron código que funcionaba diez veces más a menudo de lo que arreglaron el defectuoso

Suscríbete al Boletín

#llm

Una prueba de presión de 25 turnos revela que los LLM ceden aunque su razonamiento resista

Suno reconstruyó sus modelos con catálogo licenciado y retira todo lo anterior

Los reparadores con LLM rompieron código que funcionaba diez veces más a menudo de lo que arreglaron el defectuoso