jev-agent-failure-benchmark
TokenTrim/jev-agent-failure-benchmark
Benchmarking Jev (Typesafe.ai) against a strong LLM on the Who&When Pro agent-failure-attribution benchmark (text subset).
Python
- スター
- 4
- フォーク
- 0
掲載理由
エージェント失敗の原因帰属データセットのテキスト部分でJevとLLMを比較するベンチマークです。報告スコアはプロジェクト内の実験結果であり、独立検証ではありません。