github / Research & data

jev-benchmark

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

themsquared · 原文語言: English

該儲存庫為 TypeSafe AI 的 Jev 提供了可復現的基準測試，用於評估其在代理工具調用風險分類方面的表現。它透過清晰、模糊和對抗性任務場景，測試了模型的準確性、延遲以及置信度分數的可靠性。

翻譯摘要 · AI-assisted; check the original.

查看原文 複製連結收藏

JEVLAB ART

前十名

Supporter

1. W
   Wallpets 270 點擊次數67d left
2. W
   Walltank 188 點擊次數67d left
3. C
   Chowder 141 點擊次數67d left
4. F
   Falconer 121 點擊次數67d left
5. L
   Lemonpod 169 點擊次數67d left
6. M
   Menta 143 點擊次數67d left
7. S
   Sway 100 點擊次數67d left
8. P
   Peon-Ping 91 點擊次數67d left
9. Z
   Zeron 170 點擊次數67d left
10. G
    Guideless 80 點擊次數67d left

Supporters