Lexometrica Ground Truth: 15 LLM на 30 кейсах по практике ВС РФ
Рейтинги языковых моделей обычно читают как турнирную таблицу. Для юридических задач это мало что дает: различия между соседними строками, как правило, меньше погрешности измерения, а надежность модели-судьи, которая…
Источник: Хабр