ZeroSweep: Mesin triase dan benchmark TypeSafe Jev
Mesin triase otonom dan benchmark yang didukung oleh model Jev System One dari TypeSafe AI, menunjukkan klasifikasi email berkecepatan tinggi dengan kepercayaan terkalibrasi.
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.
Diurutkan berdasarkan GitHub Stars
Berdasarkan pertumbuhan Star dan aktivitas terbaru
Mesin triase otonom dan benchmark yang didukung oleh model Jev System One dari TypeSafe AI, menunjukkan klasifikasi email berkecepatan tinggi dengan kepercayaan terkalibrasi.
Data benchmark independen yang membandingkan Jev (model System One) dari TypeSafe AI dengan berbagai LLM dalam skor keputusan, akurasi, kalibrasi, biaya, dan latensi.
Membandingkan Jev (typesafe/jev-1.13) melalui endpoint decisions OpenRouter dengan Claude, GPT, dan Gemini pada biaya, latensi, dan akurasi keputusan bertipe di 100 tiket dukungan.
JevDash adalah benchmark platformer 2D berbasis Pygame yang mengevaluasi model Jev dari TypeSafe AI dalam skenario kontrol waktu nyata, dengan integrasi Vercel AI Gateway.
Benchmark keputusan Tetris yang dapat direproduksi, memanggil TypeSafe Jev / System One dan Claude Haiku pada papan yang sama, serta menunjukkan integrasi Jev Choice melalui Vercel AI Gateway atau API TypeSafe.
Benchmark nyata TypeSafe Jev untuk armada robot dan perangkat edge, dengan 300 panggilan API terukur, analisis biaya, dan skrip yang dapat direproduksi.
Tolok ukur pra-registrasi yang menguji apakah skor keyakinan TypeSafe Jev secara andal menentukan pencarian, bukti, dan dukungan kutipan untuk model lokal 2B; menyertakan harness, alat audit, dan hasil end-to-end yang terbuka.
Benchmark gratis untuk reranking RAG dan lapisan keputusan untuk TypeSafe Jev 1.13, menggunakan kumpulan kandidat beku, CI bootstrap berpasangan, dan kalibrasi, dibandingkan dengan cross-encoder NVIDIA dan baseline tanpa reranking.
Proyek ini membangun model multimodal kecil untuk keputusan langsung dan membandingkannya dengan TypeSafe Jev dan Laya di kartu model.
Benchmark independen pertama secara head-to-head dari model keputusan System One Laya dan Jev pada input yang identik byte demi byte, melaporkan akurasi, ECE, gating, dan latensi.
Benchmark lokal yang membandingkan TypeSafe Jev dan Laya-MLX untuk klasifikasi masalah terstruktur. Menggunakan API Jev dan skor Noul.
Benchmark yang dapat direproduksi untuk mengevaluasi Jev sebagai prior semantik bagi decoding BCI ucapan batin intrakortikal. Melaporkan sinyal efisiensi input Jev dalam interaksi sintetis dan batas decoding saraf pada data publik.