Xing Xie
Conectar la tradición de los sistemas de recomendación, dedicada a medir el comportamiento de la IA de cara al usuario, con los nuevos retos de evaluación que plantean los LLM modernos.
La carrera publicada de Xie ha cruzado varios campos adyacentes —sistemas de recomendación, minería de datos espaciales, infraestructura de IA responsable— que tuvieron que responder a la misma pregunta operativa: qué hace realmente este sistema de IA por el usuario, y cómo medirlo contra los intereses reales del usuario en lugar de contra un benchmark definido de antemano. Su coautoría en el "Survey on Evaluation of LLMs" de 2023 se lee como el encuentro de esa larga trayectoria con el momento de los LLM: muchos de los marcos metodológicos para medir equidad, deriva o efectos no buscados de cara al usuario en sistemas de recomendación se trasladan directamente a los modelos de lenguaje, a menudo sin modificación. Para ai100, que evalúa cómo los modelos de lenguaje moldean lo que los usuarios oyen sobre las marcas, esta es la literatura precedente más cercana: metodología de evaluación de sistemas de recomendación aplicada a un nuevo sustrato.