Arena ELO History: el gráfico que expone cómo se degradan los LLM

Un investigador independiente acaba de publicar una herramienta que expone uno de los patrones peor documentados de la industria de la inteligencia artificial: los modelos de lenguaje grandes se degradan después de su lanzamiento. Arena AI Model ELO History, publicado por Erwin Mayer en su sitio personal, traza la evolución diaria del rating ELO de cada modelo flagship en LM Arena desde 2023 hasta hoy. La premisa es simple: cuando Anthropic, OpenAI, Google o xAI lanzan un modelo, los benchmarks...