Estás utilizando un navegador obsoleto. Puede que este u otros sitios no se muestren correctamente. Debes actualizarlo o utilizar un navegador alternativo.
Muy buen punto sobre la contaminación de benchmarks como MMLU o GSM8K; lo de la prueba de diez minutos con tu propio trabajo me parece mucho más útil que fiarse de un porcentaje de ranking.
Utilizamos cookies para ayudar a personalizar el contenido, adaptar la experiencia, y si estás registrado, a mantenerte conectado.
Al continuar utilizando este sitio, estás dando tu consentimiento a nuestra utilización de cookies.