Jev 1.14.0整体校准良好但难题过度自信22点

Reddit转载的评测显示，Jev 1.14.0在500道二元判断题上整体校准表现良好，ECE仅0.023，接近完美校准模型的随机波动范围。但按难度拆分后问题凸显：简单题上信心偏低约7个百分点，中等题基本准确，而难题上则过度自信高达22个百分点，表明整体指标掩盖了难度维度的校准缺陷。

2026-10-15 ~ 2026-10-15 · 2 条相关

• Jev 1.14.0 校准翻车:难题上过度自信 22 个百分点 — shaun117 · 2026-10-15
• Jev 1.14.0 二元问题校准达标,难题上却过度自信 22 个百分点 — shaun117 · 2026-10-15