Глубокое тестирование модели Jev: где она работает, а где дает сбои

Автор провел масштабное тестирование языковой модели Jev (версия 1.13.0), отправив около 160 тысяч запросов в рамках 22 экспериментов. Исследование направлено на выявление практических ограничений модели, проверку точности, надежности оценки уверенности (confidence) и поведения при нестандартных входах, таких как длинный контекст или многоязычные данные.