Tiga eksperimen terukur tentang halusinasi RAG: pemeriksaan kutipan, Jev dari TypeSafe dan STAIR dari IBM. 850+ pertanyaan dinilai, respons mentah disertakan.
仓库包含对TypeSafe AI Jev模型在RAG场景中的多项实测评估（幻觉抑制、重排序、路由、重试决策），提供详细报告与可复现数据，属于实质性测试研究。
JevalsJevals/jevals-dataData benchmark independen yang membandingkan Jev (model System One) dari TypeSafe AI dengan berbagai LLM dalam skor keputusan, akurasi, kalibrasi, biaya, dan latensi.
ReallyArtificialReallyArtificial/stuntdoubleProksi Node tanpa dependensi yang meneruskan permintaan ke TypeSafe Jev sementara model lokal (Kev, Laya) mengambil keputusan paralel, dan menghasilkan laporan tentang apakah Anda dapat mengganti.
NearCaiNearCai/JevLightKerangka kontrol sinyal lalu lintas berbasis CityFlow yang mengevaluasi pengontrol LLM kompatibel TypeSafe Jev dan OpenAI bersama dengan baseline berbasis aturan dan pembelajaran penguatan melalui pipeline simulasi yang sama.
