Skip to content

Artikel

Notizen zum Messen von KI-Systemen, aus unseren eigenen Läufen.

5. Okt. 2026 · 3 Min.Ihre Eval-Scores lügen über die StichprobengrößeWarum ein Gewinn von 12,7 Punkten auf 58 Fällen nichts bedeuten kann, und was Sie stattdessen berichten sollten.