jujumilk3 · Evaluation & Observability
通过公开 API 和数据测试 Jev 概率校准、选项措辞影响及韩文判断表现。
收集 Noul 与 Choice 输出，对照标签计算误差、准确率和稳定性。
保留逐次调用数据与实验说明，便于检查结论适用范围。
校准会随任务、标签与选项变化；作者实验不能视为全领域置信度保证。 已核对固定版本 README 与集成源码。