ZeroSweep: Motore di triage e benchmark TypeSafe Jev
Un motore di triage autonomo e benchmark basato sul modello Jev System One di TypeSafe AI, che dimostra la classificazione della posta elettronica ad alta velocità con confidenza calibrata.
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.
Ordinati per Stars GitHub
Per crescita recente delle Stars e attività
Un motore di triage autonomo e benchmark basato sul modello Jev System One di TypeSafe AI, che dimostra la classificazione della posta elettronica ad alta velocità con confidenza calibrata.
Dati di benchmark indipendenti che confrontano Jev (modello System One) di TypeSafe AI con vari LLM su punteggio di decisione, accuratezza, calibrazione, costo e latenza.
Valuta Jev (typesafe/jev-1.13) tramite l'endpoint decisions di OpenRouter, confrontando costi, latenza e accuratezza delle decisioni tipizzate su 100 ticket di supporto con Claude, GPT e Gemini.
JevDash è un benchmark di piattaforme 2D basato su Pygame che valuta il modello Jev di TypeSafe AI in scenari di controllo in tempo reale, con integrazione Vercel AI Gateway.
Un benchmark riproducibile di decisioni Tetris che chiama TypeSafe Jev / System One e Claude Haiku su tabelloni identici, mostrando l'integrazione di Jev Choice tramite Vercel AI Gateway o l'API TypeSafe.
Benchmark reale di TypeSafe Jev per flotte di robot e hardware edge, con 300 chiamate API misurate, analisi dei costi e script riproducibili.
Benchmark preregistrato che verifica se i punteggi di confidenza di TypeSafe Jev decidono in modo affidabile la ricerca, le prove e il supporto delle citazioni per un modello locale 2B; include harness, strumento di audit e risultati end-to-end aperti.
Un benchmark gratuito di ri-ranking RAG e livello decisionale per TypeSafe Jev 1.13, con pool di candidati congelati, IC bootstrap accoppiati e calibrazione, confrontato con il cross-encoder NVIDIA e la baseline senza ri-ranking.
Questo progetto costruisce piccoli modelli multimodali per decisioni dirette e li confronta con TypeSafe Jev e Laya nella scheda del modello.
Primo benchmark indipendente testa a testa dei modelli di decisione System One Laya e Jev su input identici byte per byte, con accuratezza, ECE, gating e latenza.
Benchmark locale che confronta TypeSafe Jev e Laya-MLX per la classificazione strutturata dei problemi. Utilizza l'API Jev e i punteggi Noul.
Benchmark riproducibile che valuta Jev come prior semantico per la decodifica intracorticale del discorso interiore tramite BCI. Riporta il segnale di efficienza in ingresso di Jev in interazioni sintetiche e i limiti della decodifica neurale su dati pubblici.