alp82 · Evaluation & Observability
GoodWatch 仓库内的影视特征评分实验，比较 Jev 对情绪、情节等特征的不同问法和批量方式。
对固定影视样本询问特征是否存在或有多明显，记录分数、耗时和 Token。
便于对照问题尺度、输入内容与批处理设计，检查特征判断。
源码明确是独立评分实验，不证明线上推荐使用 Jev，也没有优于向量推荐的已核验依据。本站未重跑。