用于校准、选择性风险与延迟的可复现评估。
查看英文原文
Reproducible evaluation for calibration, selective risk, and latency.
结果只适用于各项目的数据集、提示词、模型版本和测量设置。收录表示证据可检查，不代表本站或原清单独立重跑了基准。
收录与研究来源
以下保留前版来源，不代表本版重新安装或审计了此项目。
cobanov/awesome-jev →jev-benchmarks
AbdelStark/jev-benchmarks · 评估与校准