Dans l'actualité
WorldCup Arena: Prospective, Leakage-Free Evaluation of Frontier LLMs on a Live Tournament
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Six frontier LLMs predicted 104 live 2026 FIFA World Cup matches with 4,494 forecasts, achieving 63.9% accuracy on outcomes with zero data leakage by design.
- Pourquoi ça compte
- Engineers benchmarking LLMs should adopt prospective evaluation methods testing genuine forecasting on real-time events rather than relying on historical data.
- Vigilance
- Models matched bookmaker accuracy but showed high agreement with each other yet low individual correctness, making ensemble predictions unhelpful.
- llm
- language model
- eval
- benchmark
Les patterns derrière cette actualité
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.