Módulo 10: Evaluación y Benchmarks

Medición sistemática del rendimiento de los LLM.

Capítulos

1. Benchmarks comunes: MMLU, HellaSwag, HumanEval
2. Calidad y seguridad: Evaluación humana, métricas automatizadas, detección de sesgos
3. Red Teaming: Pruebas adversariales, evaluación de seguridad

---

← Módulo 9Capítulo 1 →