Données Jevals : benchmark indépendant pour TypeSafe Jev
Données de référence indépendantes comparant Jev (modèle System One) de TypeSafe AI à plusieurs LLM sur le score de décision, la précision, la calibration, le coût et la latence.
OPEN SOURCE · CURATED REPOSITORIES
Curated Jev SDKs, tools, demos, integrations, benchmarks, and research projects. Repository metrics come from GitHub; titles, summaries, and categories are editorial.
Sponsors
Ces produits financent l’annuaire. Envie d’y voir le vôtre ?
Classés par Stars GitHub
Selon la hausse récente des Stars et l’activité
Données de référence indépendantes comparant Jev (modèle System One) de TypeSafe AI à plusieurs LLM sur le score de décision, la précision, la calibration, le coût et la latence.
Un cadre de contrôle des feux de circulation basé sur CityFlow qui évalue les contrôleurs LLM compatibles TypeSafe Jev et OpenAI, avec des références basées sur des règles et sur l'apprentissage par renforcement, via le même pipeline de simulation.
Une analyse approfondie avec gradation des preuves du modèle Jev de TypeSafe AI, couvrant l'interface, la vérification, les comparaisons de reproduction et un guide de terrain, avec des outils de sonde exécutables ; bilingue EN/中文.
Un dépôt de recherche qui encapsule le Jev/System One de TypeSafe dans un noyau de consensus vérifié en TLA+, avec mesures du plancher de bruit, sondes de calibration et 1 680 décisions pharmaceutiques testées sous chaos via l'API Jev réelle.
Un projet d'apprentissage qui implémente un endpoint de décision de style TypeSafe Jev/System One sur un backbone Qwen3-0.6B avec LoRA, ainsi qu'un serveur de chat/génération compatible OpenAI et une évaluation compatible MiniJev. Pas un logiciel de production.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Expériences de Démineur comparant TypeSafe Jev (System One), les LLM, les politiques hybrides et les solveurs déterministes, avec méthodes documentées et résultats enregistrés.
Évalue Jev (typesafe/jev-1.13) via l'endpoint decisions d'OpenRouter, en comparant coût, latence et précision des décisions typées sur 100 tickets d'assistance avec Claude, GPT et Gemini.
Six expériences d’échecs enregistrées qui appellent TypeSafe Jev via OpenRouter : jeu indépendant, filtre tactique, assistance de Stockfish et boucle de relecture Jev, avec traces complètes, rediffusions et relevés de coûts.
Un modèle multimodal de type JEV affiné à partir de Qwen3.5-0.8B, jouant à dix jeux de navigateur à partir de pixels bruts en temps réel, avec démo, code d'entraînement et évaluation.
Benchmark réel de TypeSafe Jev pour les flottes de robots et le matériel edge, avec 300 appels API mesurés, analyse des coûts et scripts reproductibles.
Benchmark pré-enregistré testant si les scores de confiance de TypeSafe Jev décident de manière fiable de la recherche, des preuves et du support des citations pour un modèle local 2B ; inclut le harnais, l'outil d'audit et des résultats de bout en bout ouverts.
Application web et CLI de relecture d'articles qui utilise l'API Jev (System One) de TypeSafe AI pour noter en quelques secondes la clarté et l'exhaustivité d'articles académiques, avec une grille d'évaluation visible et un calibrage sur des articles acceptés à NeurIPS/ICML.