Tech
- Quand un score d'évaluation IA monte, la conclusion naturelle est une meilleure qualité du modèle.
- Cependant, les juges LLM développent des préjugés qui ne reflètent pas la qualité réelle mais leurs propres biais d'apprentissage.
- Cette distinction critique affecte la fiabilité des benchmarks et métriques de performance IA.