Folia
← 返回头版

JevBench:类型化决策模型的可复现基准测试工具发布

开发者在Hacker News上发布了JevBench,这是一个专为评估类Jev决策模型性能设计的可复现基准测试工具1。该基准包含534个英文决策任务,v1.3评分综合考虑机会校正智能度、校准度、速度和成本1。

根据当前排行榜,Jev以74.4分排名第一,其后依次为SemIf(73.1分)、djev(73.0分)、Winnow-12B Q8(71.2分)和reflex 4B(70.3分)1。该项目采用MIT许可证,提供公开项目、冻结工件和评分代码1。

该基准测试存在若干限制条件:仅支持英文;延迟测量来自一台德国服务器;本地和演示延迟进行了披露的×2调整(+150毫秒)1。


评论