全部项目

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
星标
0
派生
1

收录依据

README 报告了 Jev 隐蔽破坏评估的初步研究,使用三个任务中的 13 份手工记录;结果适合作设计参考,不是基准分数。

项目分类

标签