Tre esperimenti misurati sull'allucinazione nel RAG: controllo delle citazioni, Jev di TypeSafe e STAIR di IBM. Oltre 850 domande valutate, risposte grezze incluse.
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-dataDati di benchmark indipendenti che confrontano Jev (modello System One) di TypeSafe AI con vari LLM su punteggio di decisione, accuratezza, calibrazione, costo e latenza.
ReallyArtificialReallyArtificial/stuntdoubleUn proxy Node senza dipendenze che inoltra le richieste a TypeSafe Jev mentre modelli locali (Kev, Laya) prendono decisioni parallele, e genera un rapporto sulla possibilità di sostituirlo.
NearCaiNearCai/JevLightUn framework di controllo dei segnali stradali basato su CityFlow che valuta controller LLM compatibili con TypeSafe Jev e OpenAI insieme a baseline basate su regole e apprendimento per rinforzo tramite la stessa pipeline di simulazione.
