Jev 1.14.0 校准翻车：难题上过度自信 22 个百分点

Jev 1.14.0 在 500 道二元判断题上整体校准良好，ECE 仅 0.023，但按难度拆分后难题上过度自信约 22 个百分点。简单题信心比准确率低约 7 个百分点，中等题基本校准，难题分片 ECE 达 0.222，超出约 0.12 的校准阈值。对比图显示 gpt-6-luna 在难题上的过度自信比 Jev 更明显。