Hacker News Show HN· deepbuilder·· 14 天前AI 评分38
DoubtBench：首个针对人类分歧而非单一正确答案的 System One 基准，Jev 1.13 准确率超 Claude
Show HN: DoubtBench – does Jev know when humans disagree?
AI 导读
DoubtBench 发布首个以人类标注分歧为评分标准的 System One 基准，基于 NVIDIA HelpSteer2 构建约 7,500 道题，同时衡量模型准确率与概率是否匹配人类分歧。
来源：Hacker News Show HN · github.com