ZeroSweep: Motor de triaje y benchmark de TypeSafe Jev
Un motor de triaje autónomo y benchmark impulsado por el modelo Jev System One de TypeSafe AI, que demuestra clasificación de correo de alta velocidad con confianza calibrada.
OPEN SOURCE · CURATED REPOSITORIES
Curated Jev SDKs, tools, demos, integrations, benchmarks, and research projects. Repository metrics come from GitHub; titles, summaries, and categories are editorial.
Ordenado por Stars de GitHub
Según el crecimiento reciente de Stars y actividad
Un motor de triaje autónomo y benchmark impulsado por el modelo Jev System One de TypeSafe AI, que demuestra clasificación de correo de alta velocidad con confianza calibrada.
Datos de referencia independientes que comparan Jev (modelo System One) de TypeSafe AI con varios LLM en puntuación de decisión, precisión, calibración, costo y latencia.
Evalúa Jev (typesafe/jev-1.13) a través del endpoint decisions de OpenRouter, comparando costo, latencia y precisión de decisiones tipadas en 100 tickets de soporte con Claude, GPT y Gemini.
JevDash es un benchmark de plataformas 2D basado en Pygame que evalúa el modelo Jev de TypeSafe AI en escenarios de control en tiempo real, con integración con Vercel AI Gateway.
Un benchmark reproducible de decisiones de Tetris que llama a TypeSafe Jev / System One y Claude Haiku en tableros idénticos, mostrando la integración de Jev Choice a través de Vercel AI Gateway o la API de TypeSafe.
Benchmark real de TypeSafe Jev para flotas de robots y hardware perimetral, con 300 llamadas API medidas, análisis de costos y scripts reproducibles.
Benchmark preregistrado que prueba si las puntuaciones de confianza de TypeSafe Jev deciden de forma fiable la búsqueda, la evidencia y el respaldo de citas para un modelo local de 2B; incluye harness, herramienta de auditoría y resultados finales abiertos.
Un benchmark gratuito de reranking de RAG y capa de decisión para TypeSafe Jev 1.13, con pools de candidatos congelados, intervalos de confianza bootstrap pareados y calibración, comparado con el cross-encoder de NVIDIA y la línea base sin reranking.
Este proyecto construye pequeños modelos multimodales para decisiones directas y los evalúa comparativamente con TypeSafe Jev y Laya en su tarjeta de modelo.
Primer benchmark independiente cara a cara de los modelos de decisión System One Laya y Jev en entradas idénticas byte a byte, con precisión, ECE, gating y latencia.
Benchmark local que compara TypeSafe Jev y Laya-MLX para la clasificación estructurada de problemas. Utiliza la API Jev y puntuaciones Noul.
Benchmark reproducible que evalúa Jev como prior semántico para la decodificación de habla interna intracortical. Informa la señal de eficiencia de entrada de Jev en interacciones sintéticas y los límites de decodificación neuronal en datos públicos.