すべてのプロジェクト

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。

カテゴリー

タグ