ZeroSweep: Silnik triage i benchmark TypeSafe Jev
Autonomiczny silnik triage i benchmark oparty na modelu Jev System One od TypeSafe AI, pokazujący szybką klasyfikację e-maili z kalibrowanym poziomem ufności.
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.
Według GitHub Stars
Według przyrostu Stars i aktywności aktualizacji
Autonomiczny silnik triage i benchmark oparty na modelu Jev System One od TypeSafe AI, pokazujący szybką klasyfikację e-maili z kalibrowanym poziomem ufności.
Niezależne dane benchmarkowe porównujące Jev (model System One) od TypeSafe AI z różnymi LLM pod względem wyniku decyzji, dokładności, kalibracji, kosztu i opóźnienia.
Porównuje Jev (typesafe/jev-1.13) przez endpoint decisions OpenRouter z Claude, GPT i Gemini pod względem kosztu, opóźnienia i dokładności typowanych decyzji na 100 zgłoszeniach wsparcia.
JevDash to benchmark platformówki 2D oparty na Pygame, który ocenia model Jev firmy TypeSafe AI w scenariuszach sterowania w czasie rzeczywistym, z integracją Vercel AI Gateway.
Odtwarzalny benchmark decyzji Tetris, który wywołuje TypeSafe Jev / System One i Claude Haiku na identycznych planszach, demonstrując integrację Jev Choice przez Vercel AI Gateway lub API TypeSafe.
Rzeczywisty benchmark TypeSafe Jev dla flot robotów i sprzętu brzegowego, obejmujący 300 zmierzonych wywołań API, analizę kosztów i odtwarzalne skrypty.
Wstępnie zarejestrowany benchmark sprawdzający, czy wyniki ufności TypeSafe Jev wiarygodnie decydują o wyszukiwaniu, dowodach i wsparciu cytatów dla lokalnego modelu 2B; zawiera harness, narzędzie audytowe i otwarte wyniki end-to-end.
Darmowy benchmark ponownego rankingu RAG i warstwy decyzyjnej dla TypeSafe Jev 1.13, wykorzystujący zamrożone pule kandydatów, sparowane przedziały ufności bootstrap i kalibrację, porównujący z NVIDIA cross-encoderem i linią bazową bez ponownego rankingu.
Projekt buduje małe modele multimodalne do bezpośrednich decyzji i porównuje je z TypeSafe Jev i Laya w karcie modelu.
Pierwszy niezależny benchmark porównujący modele decyzyjne System One Laya i Jev na identycznych bajtowo wejściach, raportujący dokładność, ECE, bramkowanie i opóźnienie.
Lokalny benchmark porównujący TypeSafe Jev i Laya-MLX do strukturalnej klasyfikacji problemów. Używa API Jev i wyników Noul.
Odtwarzalny benchmark oceniający Jev jako semantyczny priorytet dla wewnątrzkorowego dekodowania mowy wewnętrznej BCI. Raportuje sygnał wydajności wejściowej Jev w syntetycznych interakcjach oraz ograniczenia dekodowania neuronowego na danych publicznych.