作者搭建论文分诊基准，对比 Drex Max 与 Jev 1.14

作者 omarsar0 围绕 dair_ai 论文库的收录筛选搭建了一个小型基准，用 250 篇已标注论文测试决策模型：模型只看标题和摘要，回答两个是/否问题并给出置信度。他称已用 Drex Max（由 Nace 提供，作者提前获得访问权限）与新版 Jev 1.14 进行对比。 测试先用 101 篇论文为每个模型和每个论文集合分别选定决策阈值，再在其余 149 篇上测量结果。作者称这仍是探索性对比，所用标签和论文数量都较少，且部分用于早期开发。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。