Evaluación reproducible de un informe con GPT-5.6 Sol: dataset sintético, evidencia y software de evaluación

Engineering notes

Engineering notes will be added by the aipentium editorial team.

Chinese explanation / 中文解读

中文解读待补充：本站会优先为大语言模型、生成式AI、ChatGPT相关技术、计算机视觉、深度学习等高价值论文补充中文说明。

Original abstract

Paquete versionado y reproducible de una evaluación pequeña y fechada de generación de un borrador de informe estructurado en español neutro con GPT-5.6 Sol mediante Responses API. Incluye un CSV sintético de 18 filas, diccionario de datos, prompt y configuración congelados, JSON Schema para Structured Outputs, ground truth calculado de forma determinista, solicitudes y evidencia pública depurada sin identificadores del proveedor, salidas canónicas, metadatos de uso, coste y latencia, evaluador determinista, 38 pruebas locales, revisión editorial humana, informes, gráfico y checksums SHA-256. El 18 de agosto de 2026 se realizaron tres solicitudes secuenciales sin reintentos. La primera terminó con HTTP 503 y no produjo una salida evaluable. La segunda y la tercera se completaron; cada una superó las 18 comprobaciones automáticas, reprodujo correctamente las 12 métricas y obtuvo 7/7 criterios en la revisión editorial humana registrada. Los resultados describen únicamente este dataset, prompt, modelo, configuración y fecha. No constituyen una evaluación general de ChatGPT o de Responses API y no permiten inferir beneficio empresarial ni causalidad. Integridad: SHA-256 del ZIP: a253dd27a66790b5675e87e2d25afaf237d892b16247ea5c3332897637df3875. Licencias: el código está bajo MIT; el dataset sintético, las salidas públicas, los resultados, los informes y los gráficos están bajo CC BY 4.0. Los archivos LICENSE y DATA-LICENSE.md delimitan el alcance.

Links and sources

Comments