Jev และ CodeGraph สำหรับรีวิวความปลอดภัย
โปรเจกต์ typesafe-security-review ผสานการตัดสินเชิงความน่าจะเป็นของ Jev กับกราฟโค้ดและข้อมูล OWASP/CWE เพื่อสแกนความปลอดภัยต้นทุนต่ำ
การประเมินโมเดล Jev บน BANKING77 และการวิเคราะห์การฉีด adversarial
บล็อกที่อ้างถึงรายงานความแม่นยำ zero-shot ของ Jev ที่ 81.2% บน BANKING77 ต่ำกว่า MiniLM+linear head ที่ 89.9% ข้อความที่ฉีดเข้าไปทำให้ความน่าจะเป็นในการทำนายเปลี่ยนจาก 0.76 เป็น 0.48 ซึ่งบ่งชี้ถึงความเสี่ยงด้านความปลอดภัยที่อาจเกิดขึ้น
⚠️ 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 ให้ผลลัพธ์ถูกกว่า 5 เท่าและแม่นยำกว่าในไปป์ไลน์ความปลอดภัย
ผู้ใช้แบ่งปันประสบการณ์การใช้ Jev ในไปป์ไลน์ความปลอดภัย: ถูกกว่า 5 เท่า เร็วกว่า และแม่นยำกว่ามากเมื่อเทียบกับโมเดลที่เล็กกว่าและความสามารถต่ำกว่า
กรณีการใช้งานและเดโมของ Jev ในด้านความปลอดภัย AI
แนะนำกรณีการใช้งานและเดโมของ Jev ในด้านความปลอดภัย AI โดยใช้คุณสมบัติโมเดลการเลือกและความน่าจะเป็นร่วมกับ Unity AI Gateway และ MLflow
