petergpt/bullshit-benchmark : guide éditorial fondé sur le README

Le README décrit petergpt/bullshit-benchmark comme « BullshitBench measures whether AI models challenge nonsensical prompts instead of confidently answering them, created by Peter Gostev. ». Cette page reste limitée aux faits vérifiables dans le dépôt. Les étoiles, forks et badges indiquent une attention, pas une preuve de qualité. Sous « README », la source indique : BullshitBench measures whether models detect nonsense, call it out clearly, and avoid confidently continuing with invalid assumptions.. Cela fixe un périmètre déclaré, pas un test en production.

La section « Latest Changelog Entry (2026-07-31) » aide à vérifier si le projet répond au besoin : In v1, xhigh scored 0.9212 versus 0.5939 for none; in v2, xhigh scored 1.0700 versus 0.6600 for none.. Si ce besoin ne correspond pas au vôtre, la popularité ne suffit pas. Les noms, commandes et composants sont conservés pour permettre une comparaison directe avec la source primaire. Le README fournit aussi ce point vérifiable : Added the July 31 re-post-trained deepseek/deepseek-v4-flash-0731 revision to both published benchmark tracks at none and xhigh reasoning.. Il peut guider le premier test, sans remplacer une vérification dans l'environnement prévu.

Le fonctionnement est réparti dans des sections comme « 1. Detection Rate by Model (Main Chart) ». La source fournit notamment : Primary leaderboard-style view showing each model's green/amber/red split. The screenshot uses the viewer's 30-day new-model filter so recent additions remain legible.. Les détails absents sur l'architecture, les performances ou la sécurité ne sont pas inventés. Avant une mise en service, vérifiez l'arborescence, la configuration et l'historique des releases.

Commencez l'installation avec l'entrée documentée dans le README. La commande vérifiable est : README 没有给出可直接复制的安装命令。 Si aucune commande n'est fournie, cette page n'en fabrique pas. Consultez « v2 Changelog Highlights » pour les dépendances, les ports par défaut et l'initialisation du premier lancement.