Creencias Superficiales en la Toma de Decisiones de los LLM
Descubre cómo los LLM muestran un comportamiento sistemático pero no pueden explicar sus propias decisiones. La superficialidad de sus creencias.
#razonamiento automatizado
PSEBench: Benchmark para evaluar LLMs en triaje de seguridad del paciente
Descubre PSEBench, el nuevo benchmark verificable para evaluar LLMs en el triaje de eventos de seguridad del paciente. Resultados clave y brechas identificadas.