排名

Pev-Bench：按类别宏平均准确率排序
排名	模型	类别宏平均准确率 ↑	TEST-A ↑	TEST-B ↑	Brier ↓	ECE ↓
1	Pev-27B微调模型（基于 Qwen3.8-27B 的 LoRA）	0.915	0.913	0.917	0.125	0.065
2	gpt-6-astraAPI 模型	0.873	0.876	0.871	0.180	0.074
3	Kev-27B第三方决策模型	0.823	0.825	0.821	0.218	0.074
4	Jev第三方决策模型（TypeSafe）	0.788	0.779	0.797	0.266	0.123
5	Qwen3.8-27B开放权重基座模型	0.762	0.759	0.766	0.264	0.067
6	Qwen3.5-4B开放权重基座模型	0.652	0.627	0.677	0.389	0.074

研究

方法与细分结果

研究页面说明分数的产生方式，并提供细分结果。

提交

将固定版本的 TEST 预测结果，或可供我们运行的模型或端点，发送至 research@envloop.ai。我们使用同一验证器评分，并附带来源记录加入排行榜。请勿使用 TEST 集训练。