Hacker News · AI· deepbuilder·· 4 小时前精选AI 评分62
实测显示专用决策模型 Jev 评判表现并未胜过 Claude
Jev isn't a better judge than Claude
AI 导读
独立评测通过 DoubtBench 基准对比了专用决策模型 Jev 与三款 Claude 模型，发现 Jev 的综合评判能力并未超越 Claude，且二者在面对人类分歧题目时均无法有效降低置信度。
推荐理由
原文实测对比了专用决策模型与通用大模型的判断力与置信度校准，帮助开发者评估在自动化审核流程中引入轻量评估模型的实际性价比。
来源：Hacker News · AI · deeplearningguy.github.io