用 Jev 与 CodeGraph 组合做安全审查
开发者分享了 typesafe-security-review 项目：把 Jev 的概率判断与代码图、OWASP/CWE 信息结合，用于低成本安全扫描。
Jev 模型在 BANKING77 评测与对抗注入分析
帖子引用的博客指出，Jev 在 BANKING77 上的 zero-shot 准确率为 81.2%，低于 MiniLM+线性头的 89.9%；注入文本可将预测概率从 0.76 降至 0.48，提示潜在安全风险。
⚠️ 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 次赞在 X 打开
更多类似内容
Jev 在安全管道中实现 5 倍成本降低与更高准确率
用户分享在安全管道中使用 Jev 的体验：相比更小更笨的模型，成本降低超过 5 倍，速度更快，准确率更高。
Jev 在 AI 安全领域的用例与演示
介绍 Jev 在 AI 安全领域的用例与演示，利用其选择与概率模型特性，与 Unity AI Gateway 和 MLflow 集成进行安全检查。
