shade-arena-jev-monitor
nican2018/shade-arena-jev-monitor
Evaluating TypeSafe's Jev as a fast monitor and action gate for agent sabotage in SHADE-Arena, compared with Gemini 2.5 Flash/Pro.
Python
- スター
- 0
- フォーク
- 1
掲載理由
READMEは3課題・13件の手作り記録によるJevの妨害評価を予備的に報告しています。数値はベンチマークではなく設計上の参考です。