Jevals HelpSteer2

AIの回答300件について、人がつけた5段階の役立ち度を当てる試験です。段階ごとにつけた確率を採点するDecision Scoreで評価し、0は段階の割合だけを知る基準線で、それより悪いとマイナスになります。独立運営のサイトJevalsが測ります。スコアは出典の発表値そのままです。高いほど良い結果です。