La perplejidad cuantifica qué tan bien un modelo de lenguaje anticipa la siguiente palabra de un texto real: cuanto menor es la perplejidad, mejor predijo el modelo el texto, es decir, menos “sorprendido” quedó ante cada palabra que efectivamente apareció.
Sus límites como métrica
Una perplejidad baja indica buena capacidad predictiva estadística, pero no garantiza que las respuestas del modelo sean útiles, veraces o bien alineadas con lo que un usuario espera, por lo que suele complementarse con evaluaciones humanas y benchmarks de tareas específicas.