github / Research & data

jev-benchmark

AI-assisted summaries and translations. Check original sources for context and performance claims.

themsquared · 原文语言: English

该存储库为 TypeSafe AI 的 Jev 提供了可复现的基准测试，用于评估其在代理工具调用风险分类方面的表现。它通过清晰、模糊和对抗性任务场景，测试了模型的准确性、延迟以及置信度分数的可靠性。

译文摘要 · AI-assisted; check the original.

查看原文 复制链接收藏

JEVLAB ART

前十名

Sponsor

1. W
   Wallpets 94 点击量$125
2. W
   Walltank 109 点击量$85
3. C
   Chowder 61 点击量$50
4. F
   Falconer 52 点击量$45
5. L
   Lemonpod 92 点击量$40
6. M
   Menta 38 点击量$35
7. S
   Sway 36 点击量$30
8. P
   Peon-Ping 32 点击量$25
9. Z
   Zeron 94 点击量$20
10. G
    Guideless 27 点击量$15

赞助