Evaluación de GPT-6.1 Terra en tareas de Python
Dibujó una serpiente leyendo un libro: 2853 comandos de dibujo, 110 líneas de código. Su código obtuvo una puntuación de Python 3.10; la característica más nueva usada fue de Python 3.11.
Resúmenes públicos de tl;dr con la etiqueta «evaluacion».
Dibujó una serpiente leyendo un libro: 2853 comandos de dibujo, 110 líneas de código. Su código obtuvo una puntuación de Python 3.10; la característica más nueva usada fue de Python 3.11.
Un gate de evaluación en CI bloquea despliegues si la tasa de aciertos cae por debajo de un mínimo establecido (ej. 98%) La detección de drift compara métricas actuales con una línea base conocida como buena para capturar regresiones graduales