Skip to content

Tulisan

Catatan tentang mengukur sistem AI, dari eksekusi kami sendiri.

5 Okt 2026 · 3 mntSkor eval Anda berbohong soal ukuran sampelMengapa kenaikan 12,7 poin pada 58 kasus bisa tidak berarti apa-apa, dan apa yang sebaiknya dilaporkan.