Jev och CodeGraph för säkerhetsgranskning
Projektet typesafe-security-review kombinerar Jevs sannolikhetsbedömningar med en kodgraf och OWASP/CWE data för billig säkerhetsskanning.
Utvärdering av Jev-modellen på BANKING77 och analys av adversarial injicering
Den refererade bloggen rapporterar att Jev uppnår zero-shot-noggrannhet på 81,2% på BANKING77, under MiniLM+linjärt huvud på 89,9%; injicerad text flyttade förutsägelsesannolikheten från 0,76 till 0,48, vilket tyder på en potentiell säkerhetsrisk.
⚠️ Caveats: • Vendor evals score agreement with GPT-6 Astra + Fable 5.1, not ground truth • BANKING77 (@manojlds): MiniLM + linear head 89.9%, Jev zero-shot 81.2% • Injected text moved a block prob 0.76 → 0.48 https://stacktoheap.com/blog/2026/09/22/jev-attack-of-the-classifiers/…
· 1 likesOpen on X
More like this
Jev ger 5x billigare och mer exakta resultat i säkerhetspipelines
En användare delar sin erfarenhet av att använda Jev i en säkerhetspipeline: över 5x billigare, snabbare och mer exakt än mindre och mindre kapabla modeller.
Jev användningsfall och demo inom AI-säkerhet
Introducerar Jev användningsfall och en demo inom AI-säkerhet, med hjälp av dess val- och sannolikhetsmodell med Unity AI Gateway och MLflow-integration.
