#decision models

Clef vs. Jev: Der KI-Test, der mich überrascht hat

Ein Spam-Witz täuschte beide Modelle, während eines eine scharfe Kritik mit 90-prozentiger Sicherheit als „neutral“ einstufte. Die Ergebnisse zeigen, warum ein Leaderboard-Score allein die Kompromisse, die in der Produktion zählen, übersehen kann.