MÜNCHEN (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz (KI) sind Benchmarks ein entscheidendes Instrument zur Bewertung der Leistungsfähigkeit neuer Modelle. Doch die zunehmende Abhängigkeit von crowdsourced Plattformen wie Chatbot Arena stößt bei einigen Experten auf Kritik.
Die großen KI-Labore, darunter OpenAI, Google und Meta, setzen verstärkt auf Plattformen, die Freiwillige einbeziehen, um die Fähigkeiten neuer Modelle zu bewerten. Diese Benchmarks werden oft als Beweis für bedeutende Fortschritte präsentiert. Doch Experten wie Emily Bender, Linguistikprofessorin an der University of Washington, sehen in diesem Ansatz erhebliche Mängel. Sie kritisiert insbesondere die Plattform Chatbot Arena, die Freiwillige dazu auffordert, zwischen den Antworten zweier anonymer Modelle zu wählen.
Bender betont, dass ein Benchmark spezifische Messgrößen aufweisen muss, um valide zu sein. Es müsse nachgewiesen werden, dass die gemessenen Präferenzen tatsächlich mit den definierten Kriterien korrelieren. Chatbot Arena habe jedoch nicht gezeigt, dass die Auswahl einer Antwort über eine andere tatsächlich mit den Präferenzen der Nutzer übereinstimmt.
Asmelash Teka Hadgu, Mitbegründer des KI-Unternehmens Lesan, sieht in Benchmarks wie Chatbot Arena ein Mittel, das von KI-Laboren genutzt wird, um übertriebene Behauptungen zu fördern. Er verweist auf einen Vorfall mit Metas Llama 4 Maverick Modell, das gezielt für gute Ergebnisse auf der Plattform optimiert wurde, während eine schlechtere Version veröffentlicht wurde.
Hadgu schlägt vor, dass Benchmarks dynamisch und auf spezifische Anwendungsfälle zugeschnitten sein sollten, um eine realistische Bewertung zu ermöglichen. Auch Kristine Gloria, ehemals Leiterin der Emergent and Intelligent Technologies Initiative des Aspen Institute, fordert, dass Evaluatoren für ihre Arbeit entlohnt werden sollten, um aus den Fehlern der Datenlabeling-Industrie zu lernen.
Matt Frederikson, CEO von Gray Swan AI, das crowdsourced Red-Teaming-Kampagnen für Modelle durchführt, erkennt den Wert von öffentlichen Benchmarks an, betont jedoch, dass sie keine bezahlten privaten Bewertungen ersetzen können. Entwickler sollten sich auch auf interne Benchmarks und spezialisierte Red-Teams verlassen, um umfassendere Bewertungen zu erhalten.
Alex Atallah, CEO des Modellmarktplatzes OpenRouter, und Wei-Lin Chiang, Mitbegründer von LMArena, das Chatbot Arena betreibt, stimmen zu, dass offene Tests allein nicht ausreichen. Chiang betont, dass die Plattform darauf abzielt, eine vertrauenswürdige, offene Umgebung zu schaffen, die die Präferenzen der Community widerspiegelt.
Chiang erklärt, dass Vorfälle wie die Maverick-Benchmark-Diskrepanz nicht auf ein Designproblem von Chatbot Arena zurückzuführen sind, sondern auf ein Missverständnis der Richtlinien durch die Labore. LMArena hat Maßnahmen ergriffen, um zukünftige Diskrepanzen zu vermeiden und die Verpflichtung zu fairen, reproduzierbaren Bewertungen zu stärken.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Kritik an Crowdsourcing-Benchmarks in der KI-Forschung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Kritik an Crowdsourcing-Benchmarks in der KI-Forschung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Kritik an Crowdsourcing-Benchmarks in der KI-Forschung« bei Google Deutschland suchen, bei Bing oder Google News!