Une envolée des scores ne signifie pas forcément de meilleures capacités : les pièges de la troncature et de la répétition dans l’évaluation des modèles de raisonnement, à travers la modification des poids de Qwen par Astra, avec une liste de 5 points à vérifier
Note de l’auteur : à partir d’un retour sur l’expérience où Astra a modifié les poids de Qwen3.5-0.8B, cet article explique la différence entre « répondre faux » et « ne pas terminer sa réponse » lors de l’évaluation d’un modèle de raisonnement, ainsi qu’une méthode pour analyser les résultats selon qu’ils ont été tronqués…