Können KI-Kampfjets in Kampftests steuern ?

1️⃣ Ein „Writer“-Modell generiert:

• Test-Prompt — "Translate this English sentence to Yoruba: 'The market opens at six in the morning when the rain stops.' Return only the translation."
• Rubrik — "1. Grammatically correct Yoruba. 2. Tense matches source. 3. 'Market' rendered as native equivalent. 4. No English words leak through."

2️⃣ Jedes KI-System im Gremium nimmt den Test ab.

Gemini, Mistral, Groq usw. erhalten jeweils die Eingabeaufforderung und erstellen ihre eigene Übersetzung.

3️⃣ Ein „Judge“-Modell bewertet jede Ausgabe anhand des Bewertungsschemas.

• ✅ PASS — all rubric criteria met
• ◐ PARTIAL — most met, but missed something material
• ✗ FAIL — didn't get it right
• ○ SKIPPED — task can't be reduced to a single text prompt