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。