Investigadores de Princeton, Stanford, el UK AI Security Institute y Brookings publicaron un estudio titulado *Emerging Trends in AI Agent Evaluation*. En él analizan 33 tendencias relacionadas con los métodos, la agenda de investigación y el ecosistema de evaluación. Los autores señalan que evaluar agentes ya cuesta decenas de miles de dólares en créditos de servicios en la nube y que las herramientas para inspeccionar sus trazas tampoco se han probado. Piden más especialistas en evaluación de distintas disciplinas, mejores pruebas de referencia y evaluaciones transparentes e independientes.
Por qué importa
Responsables de políticas públicas y financiadores pueden usar la lista de verificación del estudio para asignar recursos a evaluaciones independientes y transparentes de agentes de IA.
