{"ok":true,"nota":{"id":"2039dbf45ed1bb5f","slug":"un-metodo-nuevo-para-medir-si-una-ia-entiende-bien-los-sentimientos-de-2039db","titulo":"Un método nuevo para medir si una IA entiende bien los sentimientos de un texto","resumen":"Investigadores de Estados Unidos crearon SAFE, un sistema que evalúa el análisis de opiniones hecho por modelos de lenguaje. En vez de exigir coincidencia exacta de palabras, compara el significado. Publicaron el código y los datos para reproducir los resultados.","fuente":"zenodo","fuenteNombre":"Zenodo · Investigación abierta","color":"#1682d4","autor":"Alharbi, Marwah","url":"https://doi.org/10.5281/zenodo.23472391","imagen":"/hoy/portada/2039dbf45ed1bb5f","tema":"tecnologia","subtemas":["inteligencia artificial","modelos de lenguaje","analisis de sentimientos","evaluacion de modelos","reproducibilidad"],"entidades":["M. Alharbi","J. Yin","Y. Miao","IEEE"],"formato":"dato","entretenimiento":false,"pubTs":"2026-10-20T00:38:24.000Z","indexTs":"2026-10-22T10:32:02.032Z","hash":"0556b87d71d5942ee4ed52a0bd712dfabdd112a9527ae147e0542881ce25e1a7","tsa":{"time":"Oct 22 10:32:40 2026 GMT","provider":"freetsa.org","sobre":"sello"},"stats":{"views":0,"likes":0,"clicks":0,"dwell":0},"tipo":"motor","registro":"hallazgo","porQueImporta":"Cuando una inteligencia artificial dice si una reseña es buena o mala, hay que saber si acierta de verdad. Este método busca evaluar con más justicia, porque una respuesta puede estar bien aunque use otras palabras. Para alguien de acá, significa que las herramientas que leen opiniones de clientes o redes sociales podrían medirse con criterios más finos. Aun así, es una mejora en la forma de evaluar y no garantiza que la IA sea confiable en todos los casos.","quienFirma":"Universidad (autores Alharbi, Yin, Miao; publicado en MITA 2026, IEEE)","confianza":"revisado","consulta":{"pregunta":"¿Confiarías en una IA para leer reseñas de clientes?"}},"sello":{"hash":"0556b87d71d5942ee4ed52a0bd712dfabdd112a9527ae147e0542881ce25e1a7","sello":"2348dee1a747b7b3a1414636bc76a3c025db18cd1dd57088f16c2b4e4ae1502f","beacon":{"drand":{"cadena":"8990e7a9aaed2ffed73dbd7092123d6f289930540d7651336225dc172e51b2ce","ronda":6574471,"aleatorio":"8dc65bda024d9b15bc5015dca7a625bd58abcd79898d9e649dd88c7b09d4609e","tiempo":"2026-10-22T10:32:30.000Z"},"nist":{"cadena":2,"pulso":1994441,"salida":"917B00588BBAF41DD8C461E7D93EA47DC73C00983776285722380061C2505D68D1C49D178A1E9E1A422EEA35DB6367141AB79828DD0F9592CE1805F752B02469","tiempo":"2026-10-22T10:32:00.000Z"},"noAntes":"2026-10-22T10:32:30.000Z"},"verificacion":{"drand":true,"nist":true},"tsa":{"time":"Oct 22 10:32:40 2026 GMT","provider":"freetsa.org","sobre":"sello"},"original":{"titulo":"SAFE: Reproduction Code and Data for \"A Semantic-Aware Flexible Evaluation Framework for Large Language Models-Based Sentiment Analysis\" (MITA 2026)","descripcion":"<p>A newer version of this record is available: <a href=\"https://doi.org/10.5281/zenodo.23486470\" rel=\"noopener noreferrer\">https://doi.org/10.5281/zenodo.23486470</a></p> <p>This record contains the code and data that reproduce every result reported in:</p> <p>M. Alharbi, J. Yin, Y. Miao. \"SAFE: A Semantic-Aware Flexible Evaluation Framework for Large Language Models-Based Sentiment Analysis.\" MITA 2026, IEEE. <a href=\"https://ieeexplore.ieee.org/abstract/document/11581671/\" rel=\"noopener noreferrer\">https://ieeexplore.ieee.org/abstract/document/11581671/</a></p> <p>SAFE evaluates quadruple aspect-based sentiment analysis (Quad-ABSA) outputs (aspect, category, opinion, sentiment) by semantic similarity instead of exact string matching. It reports a standalone similarity score (SAFE-score) and two thresholded F1 variants. Hard SAFE requires exact category and sentiment labels. Soft SAFE ","pubDate":"2026-10-20T00:38:24Z","url":"https://doi.org/10.5281/zenodo.23472391"},"indexado":"2026-10-22T10:32:02.032Z"}}