标签
Celeris 声称其 Celeris-1 Decision 模型在 jev-bench 上达到 80.0%，略高于 Decider v1.1 的 79.0%；Zekiworks 指出此前测试中 1 分差距并不具备可检测性，并将用相同 2,198 道题重新测试。