"You're relatively right!" es una visualización interactiva publicada en Typebulb que mide el parecido estilístico entre modelos de lenguaje de gran tamaño (LLM) a partir de sus respuestas a un mismo banco de pruebas. La pieza, acompañada del código fuente en TypeScript/React, construye un mapa de calor en el que cada celda representa un par de modelos y su cercanía se calcula mediante entropía cruzada sobre trigramas de caracteres, comparando la distribución de cada modelo con un fondo común interpolado (λ·modelo + (1−λ)·fondo). El fondo se construye agrupando todos los textos del conjunto y restando los corpora de los dos modelos comparados, de modo que solo sobreviven los términos realmente compartidos y no los genéricos del campo.
Para identificar qué palabras y bigramas sustentan esa proximidad, la herramienta aplica varias capas de filtrado: descarta unidades demasiado comunes mediante un conjunto de palabras Stop, exige una rareza mínima basada en el conteo de tokens BPE del tokenizador cl100k_base, requiere un mínimo de apariciones por modelo y por documento, y filtra los términos cuyo cociente de uso respecto al resto del campo sea inferior a 2. La significación estadística de cada coincidencia se evalúa con la cola de una distribución de Poisson, corregida por el coste de búsqueda múltiple (factor "look-elsewhere"). Las coincidencias más raras y estadísticamente sólidas se priorizan y se descartan solapamientos entre palabras y bigramas.
El resultado es una interfaz que permite explorar qué modelos comparten muletillas, palabras favoritas o giros sintácticos característicos, revelando así lazos de afinidad que pueden delatar un origen común, un ajuste fino distante o efectos de destilación. La aplicación admite metadatos de laboratorio y fecha de lanzamiento para enriquecer la lectura, y resuelve automáticamente entradas de OpenRouter al laboratorio real al que pertenece cada modelo. La modalidad de la pieza es principalmente explicativa y didáctica, con un fuerte componente de ciencia de datos y procesamiento de lenguaje natural, y su utilidad práctica se centra en investigación, auditoría de modelos y análisis comparativo de familias de LLM.