新基准 Decision Index 0.1 跑 13.2 万次决策,Jev 仍以 59.5 居首
victormustar · x · 2026-09-22
发布仅一周的 Jev 已有 31 个复现版本,但现有对比大多只跑几百次决策。新的 Decision Index 0.1 基准一次性运行 132,422 个决策,覆盖所有复现版本加上 Jev 在 37 个基准上的表现,不做截断、不做 prompt 调优,未作答即算错。结果 Jev 仍以 59.5 分居首。
所属事件:Decision Index 0.1 发布：13 万次决策横评，Jev 以 59.5 分领跑开源(7 条相关)→
「模型」频道最新
- 疑似新 Claude 将至?用户称 Opus 开始表现像 Sonnet — RyanMorrisonJer · 2026-09-22
- ApodexAI 开源 FrontierAgent 框架,随 Apodex 1.1 同步发布 — heyshrutimishra · 2026-09-22
- 用自己 git 历史自建编码评测集：Flash Next Q2 夺冠，Claude 仅 8/12 — fintip · 2026-09-22
- 观察:Opus 3 只有在说服你时才收敛文风 — repligate · 2026-09-22
- 曝 OpenAI 新模型训练仅 24 天已解决百余个数学开放难题 — BilelKort · 2026-09-22
- Gemini 突然拒绝扫描书籍的文字提取,以版权为由拦截 — Mr_VRBeerscuit · 2026-09-22