jev-as-a-judge
danielgshea/jev-as-a-judge
Using Jev as an evaluator.
Python
- スター
- 114
- フォーク
- 17
掲載理由
固定されたエージェント実行結果でJevと生成モデルの評価を比較し、正確性・スコア信頼性・コスト・遅延を測る研究です。結果は本件で再実行していません。
danielgshea/jev-as-a-judge
Using Jev as an evaluator.
固定されたエージェント実行結果でJevと生成モデルの評価を比較し、正確性・スコア信頼性・コスト・遅延を測る研究です。結果は本件で再実行していません。