Los sistemas que ayudan a encontrar expertos o a responder preguntas técnicas están experimentando un resurgimiento de actividad.
En cuatro semanas, 62 artículos se centraron en la búsqueda de expertos y los sistemas de preguntas y respuestas (Expert finding and Q&A systems), frente a 25 cuatro semanas antes. Este aumento se observa sobre todo en la evaluación de modelos y la distribución de tareas entre humanos y máquinas.
Tres artículos recientes ilustran esta tendencia:
- JEV vs. LLMs as Rubric Judges: Cheaper, Faster, and Wrong in the Same Places
- How Much Were You Told? Measuring External Information in Peer Reviews
- Experts Rise Where LLMs Disagree: Using Cross-Model Disagreement to Target Expert Effort in LLM Codebook Revision for Large-Scale Annotation
La expresión training seeds (19 artículos en cuatro semanas, frente a 7 anteriormente) aparece en trabajos que prueban la robustez de los modelos ante datos iniciales sesgados o incompletos. Designa los ejemplos de partida utilizados para entrenar un sistema antes de que genere sus propios datos.