TypeSafe AI 发布 Jev：输出浮点数而非文本的新型"决策模型"
TypeSafe AI 上周推出 Jev，这是一种仍接受文本输入、但输出为浮点数（对应分类、是/否判断、评分及置信度）的"System One / 决策模型"。
#评测/基准
#评测/基准
今日 0 条Simon WillisonAI 评分4848
Hugging Face BlogAI 评分3838 Hugging Face 提出 BenchMIRT：在提示词粒度上审计大语言模型评测基准
Hugging Face 发布 BenchMIRT 方法，基于多维 Item Response Theory 在单个提示词粒度上审计 LLM 评测基准实际测量的能力。