Jevals Verileri: TypeSafe Jev için bağımsız kıyaslama
TypeSafe AI'nin Jev (System One modeli) ile çeşitli LLM'leri karar skoru, doğruluk, kalibrasyon, maliyet ve gecikme açısından karşılaştıran bağımsız kıyaslama verileri.
TypeSafe Jev'i Pokémon Showdown'a bağlar; 40 savaş ve 940 API kararını yeniden üretilebilir sonuçlar, veri kümeleri ve açıklamalı tekrarlarla kaydeder. Bağımsız araştırma, resmi bir kıyaslama değildir.
该仓库真实连接并调用 TypeSafe Jev API,在 Pokémon Showdown 中进行了 40 场对战、940 次 API 决策实验,提供完整代码、数据、结果与回放,属于实质性的集成与评估项目。