APPLIED AI
Detektor yang membaca probabilitas, bukan vonis: Jev di 44 benchmark
Detektor kegagalan penyelarasan ini menjawab banyak pertanyaan bertipe dalam satu panggilan dengan probabilitas terkalibrasi, mengurutkan kegagalan dengan baik, dan 63× lebih murah daripada penilai LLM-judge. Namun probabilitas itu tidak bisa...





