APPLIED AI
ตัวตรวจจับที่อ่านความน่าจะเป็นแทนคำตัดสิน: Jev บน 44 เบนช์มาร์ก
ตัวตรวจจับความล้มเหลวด้าน alignment ที่ตอบคำถามแบบมีชนิดได้หลายข้อในการเรียกครั้งเดียวพร้อมความน่าจะเป็นที่ปรับเทียบแล้ว จัดอันดับความล้มเหลวได้ดี และมีต้นทุนต่ำกว่าผู้ให้คะแนนแบบ LLM-judge ถึง 63× แต่ความน่าจะเป็นเหล่านั้น...





