Métrica que mide lo bien que un modelo de lenguaje predice un texto: equivale a con cuántas opciones igual de probables «duda» el modelo, de media, en cada token. Menor es mejor. Solo es comparable entre modelos con el mismo tokenizador y sobre el mismo texto, y una perplejidad baja no garantiza respuestas útiles ni ciertas.
Términos cercanos
Para leer más: huggingface.co