TypeSafe AI 的校准决策模型 Jev 只需一个通用 yes/no 问题，用其概率作为评分，无需额外训练即可区分模型失效与正常回复，中位 AUROC 达 0.886。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmuk841qg1erhro9hxvpkekc5
信息源：AI HOT · 全部动态
- 原文链接：Jev 零样本检测对齐失效，AUROC 0.886
- 作者：X：Elvis Saravia (@omarsar0, DAIR.AI)
- 发布时间：2026/09/28 03:40
评论0