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

Sponsor

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

贊助