903: LLM Benchmarks Are Lying to You (And What to Do Instead), with Sinan Ozdemir

Super Data Science: ML & AI Podcast with Jon Krohn

Вміст надано Jon Krohn. Весь вміст подкастів, включаючи епізоди, графіку та описи подкастів, завантажується та надається безпосередньо компанією Jon Krohn або його партнером по платформі подкастів. Якщо ви вважаєте, що хтось використовує ваш захищений авторським правом твір без вашого дозволу, ви можете виконати процедуру, описану тут https://uk.player.fm/legal.

4M ago 1:28:20

MP3•Головна епізоду

Has AI benchmarking reached its limit, and what do we have to fill this gap? Sinan Ozdemir speaks to Jon Krohn about the lack of transparency in training data and the necessity of human-led quality assurance to detect AI hallucinations, when and why to be skeptical of AI benchmarks, and the future of benchmarking agentic and multimodal models.

Additional materials: ⁠⁠⁠⁠⁠www.superdatascience.com/903⁠⁠⁠⁠

This episode is brought to you by Trainium2, the latest AI chip from AWS, by ⁠⁠Adverity, the conversational analytics platform⁠⁠ and by the ⁠⁠Dell AI Factory with NVIDIA⁠⁠.

Interested in sponsoring a SuperDataScience Podcast episode? Email [email protected] for sponsorship information.

In this episode you will learn:

(16:48) Sinan’s new podcast, Practically Intelligent
(21:54) What to know about the limits of AI benchmarking
(53:22) Alternatives to AI benchmarks
(1:01:23) The difficulties in getting a model to recognize its mistakes

1017 епізодів

#Data Science #Science #Tech #Software Development #Jon Krohn