SandboxIA EsBBQ+ — Validación humana

Auditoría humana: ¿debió abstenerse el modelo (contexto insuficiente) o debió responder (contexto suficiente)? Incluye cohortes should-abstain y respondibles. Evaluación automática de corrida: MCQ determinista.

1. Cargar corrida local

Seleccione bbq_rtp_es_evaluated_all.jsonl de su carpeta reports/run_*.

Sin archivo cargado.

Alcance y muestreo