全部项目

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
星标
4
派生
0

收录依据

仓库在智能体失败归因数据集的文本子集上比较 Jev 与 LLM;所报分数属于项目实验,并非独立验证。

项目分类

标签