Back to explore

Chuẩn đánh giá công khai cho quyết định thực tế của Jev: 900 quyết định được Opus 5 chấm điểm

Chuẩn đánh giá bao gồm 900 quyết định thực tế của Jev được Opus 5 chấm điểm với mức đồng thuận 85,8/100; các sai lệch hầu như chỉ tập trung ở nơi Jev báo độ tin cậy thấp, và bất kỳ ai cũng có thể chạy lại trên mô hình của mình.

Open weight builders will need a public yardstick. One went out today: 900 real Jev decisions graded by Opus 5, 85.8 of 100 agree, and the misses sit almost entirely where Jev reported low confidence. Anyone can rerun it against their own model:

· 0 likesOpen on X