confiabilidad agentes IA

ScarfBench: lo que pasa cuando le pedís a un agente de IA que migre código Java de verdad

IBM Research creó ScarfBench para medir si los agentes de IA realmente migran aplicaciones Java enterprise, no solo si dicen que lo hicieron. Los resultados son un llamado de atención sobre confiar en la autoevaluación de la IA.