Hamel Husain· Hamel Husain·· 3 小时前AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
如何用决策模型做评测：阈值调优与概率校准
How To Use Decision Models for Evals
AI 导读
Hamel Husain 用 100 条公寓租赁客服对话轨迹，对比 Jev 1.13、Perplexity Decider 1.1 27B、Liquid d1 与 d1-ultra、Cloudflare Clef Flash 和 OpenAI Decisions（GPT-6 Luna）在失败检测任务上的表现。
来源：Hamel Husain · hamel.dev