Evaluation Methodology dan Benchmark Integrity

Abstention Quality Test diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.

Model Version Drift Audit diuji melalui skenario terkontrol, environment record, raw output, human review, dan replikasi. Main run publik masih menunggu evidence package.