我测了 Jev 的置信度，发现阈值不能随便设
上一篇写了 Jev 在智驾上的实测，但用的都是别人的数据。 这篇不一样 —— 我自己拿到 key，跑了 80 多次真实调用，测一个问题： Jev 返回的那个”置信度”，能不能直接拿来当开关用？ 先说结论：不能。除非你先知道它会在哪里抖。 先说 Jev 返回的三个东西 你问 Jev 「这句话想干什么」，它不给……
包含标签 实测 的文章
我给 Jev 出了 11 道逻辑题，它全对了——但标准答案不是我判的
前两篇测了 Jev 的置信度漂移和选项操纵。这篇回答一个更基础的问题： 一个自称「只做判断、不做推理」的模型，到底会不会逻辑推理？ 先说清楚：Jev 官方定位是 System One（卡尼曼的”快思考”）—— 它不生成推理过程，只输出结构化判断。所以”会不会推理&rdquo……
我让 Jev 回答哲学问题，然后改了改选项
上一篇我测出了 Jev 的 confience 有阈值漂移区。这篇继续往下挖了一层，用哲学问题做探针 —— 因为哲学争议是人类争论了几百年、本来就公认没有共识的问题，正好拿来当”模型是否诚实”的试纸。 先说清边界：我测的是方法论，不是任何现实议题的立场。 哲学题我只取自由意志、人格同一性、数……