Peter Gostev comparó Fable 5.2 y Opus ronda por ronda en más de 100 tareas de generación.
El artículo de Crypto Briefing solo menciona los nombres de los dos modelos, la escala de la comparación y la cifra de «más de 100 generaciones», pero no revela los criterios de puntuación concretos, el número de victorias de cada uno ni el tipo de tareas de prueba.
· Si se toma el número de generaciones como tamaño de la muestra, solo indica cuántas pruebas se hicieron; no equivale a una conclusión cuantitativa sobre las capacidades de los modelos.
· Sin resultados detallados, decir cuál es mejor es solo la afirmación de quien dirigió esta comparación, no una conclusión.
Si solo te mostraran el porcentaje total de victorias, ¿preferirías ver primero las puntuaciones detalladas o las muestras originales de generación?
El artículo de Crypto Briefing solo menciona los nombres de los dos modelos, la escala de la comparación y la cifra de «más de 100 generaciones», pero no revela los criterios de puntuación concretos, el número de victorias de cada uno ni el tipo de tareas de prueba.
· Si se toma el número de generaciones como tamaño de la muestra, solo indica cuántas pruebas se hicieron; no equivale a una conclusión cuantitativa sobre las capacidades de los modelos.
· Sin resultados detallados, decir cuál es mejor es solo la afirmación de quien dirigió esta comparación, no una conclusión.
Si solo te mostraran el porcentaje total de victorias, ¿preferirías ver primero las puntuaciones detalladas o las muestras originales de generación?
