Valuta agenti, prompt e output
320 progetti · Tutti i progetti →
RAG-Fusion genera varianti della query e unisce le classifiche con Reciprocal Rank Fusion per trovare documenti che una sola formulazione può perdere. Jev è un riordinatore facoltativo nella valutazione; i suoi esperimenti richiedono JEV_API_KEY. La demo originale usa ancora solo la ricerca vettoriale. Il banco di valutazione confronta strategie su NFCorpus; la configurazione ibrida combina BM25, ricerca vettoriale, fusione e riordino.
Rizzo Flow esegue modelli aperti localmente e restituisce scelte, probabilità, punteggi e numeri tramite HTTP compatibile Jev. Il progetto indipendente riproduce lo schema dell’interfaccia Jev, non l’architettura o l’addestramento proprietari. Servi un modello con llama.cpp e indirizza il codice compatibile TypeSafe all’endpoint locale.
La raccolta offre competenze per smistare record, verificare prove, valutare secondo criteri e scegliere azioni consentite. Segui la guida e scegli Jev reale tramite TypeSafe o OpenRouter, oppure una simulazione dell’agente esplicitamente segnalata.
Awesome JEV raccoglie ricerca System One, modelli aperti, applicazioni e valutazioni indipendenti con link a codice e articoli. Parti dalle primitive ufficiali e dai problemi noti, poi segui le voci dei modelli o delle valutazioni fino alle fonti originali.
pg-jev filtra, ordina e classifica righe PostgreSQL con condizioni SQL in linguaggio naturale. Jev valuta righe in lotti; le funzioni SQL restituiscono booleani, probabilità, scelte e punteggi. Servono PostgreSQL 14–17, plpython3u, accesso superutente e chiave TypeSafe.
Valen valuta candidati rispetto a testo, immagini o video e restituisce probabilità senza generare token di risposta. Questa implementazione ispirata a Jev usa una base Qwen3.5 e una testa decisionale condivisa. Inferenza e valutazione richiedono sia il checkpoint Valen sia il modello base Qwen3.5-2B.
System One Adapter implementa l’interfaccia di valutazione typesafe_sdk tramite API LLM di altri fornitori. Consente confronti con TypeSafe mantenendo risposte tipizzate e aggiungendo diagnostica di tentativi, latenza e normalizzazione. Configura fornitore, modello e modalità probabilistica o discreta; l’output strutturato nativo è facoltativo.
System One Connector espone decisioni tipizzate agli agenti tramite evaluate e integrazione MCP. Collega Jev o modelli compatibili ospitati autonomamente come CLM e Laya. Definisci domande Choice, Noul o Score; sono disponibili configurazione degli agenti e valutazione in lotti.
Una testa di scoring restituisce distribuzioni per controlli, instradamento e punteggi senza decodificare prosa o risposte JSON. Il README confronta AgentJev addestrato sul benchmark con Jev 1.13.0 zero-shot; le condizioni di addestramento sono diverse.
Il repository offre modelli aperti Choice, Score e Noul in stile Jev, distinguendo Verdict da Verdict 2.0. Servi webgpu-demo con il server HTTP Python e apri l’esempio nel browser; artefatti e valutazioni hanno link separati.
fingers combina basi di impronte web e può usare Jev per verificare corrispondenze, deduplicare e precisare versioni. Installa la libreria Go e attiva EnableJudge con chiave TypeSafe, oppure usa jev-key nella CLI.
JevBench v1 - a benchmark for Jev-class typed decision models: smart, cheap, fast, reliable, open.
Leaderboard that puts Jev and 14 LLMs through 108 four-option multiple-choice questions about the Convex backend platform, comparing accuracy, latency, and cost, with a per-answer explorer showing Jev probabilities.
Agentic RL 中文零基础教程（33 章）：从概念到 GRPO 实战，含 TRL 最小可跑示例；26–33 章附一套可运行的三方判别模型实证工程（encoder vs LLM-LoRA vs 规则基线）。第 25 章讲清 Jev / TypeSafe System One 与 RL 的能力边界 | Chinese Agentic RL tutorial (33 chapters) + a reproducible discriminative-model benchmark
Non-autoregressive decision engine on ModernBERT (151M) with calibrated uncertainty (RLCD), TypeSafe AI Jev benchmark audit, and in-browser WebGPU playground
Personal-assistant agent built on Vercel's eve with 100 mocked tools, measuring how many steps it takes when Jev picks the tool versus the LLM.
Using Jev as an evaluator.
An open-source JEV-powered workbench for streaming data selection, quality evaluation, automatic LoRA training and held-out model evaluation.
JevGym is an open-source platform designed to benchmark and facilitate better probabilistic estimation in Jev-alike models
TypeSafe decisions for Pi: batched evaluation tool, terminal playground, and typed API for extension authors
Typed JSON inference with DiffusionGemma, with Every and Jev benchmark results
A database-agnostic Agentic GraphRAG framework using swappable System One models (local Laya / cloud Jev). A plug-and-play intelligence layer featuring a complete 4-phase pipeline, continuous evaluation and custom A* traversal for any graph database.
This is a LLM Gateway that mimics typesafe ai structured output. Like an imposter Jev.
Jev-powered, rule-based grader for text files. Runs every rule against every line in parallel. No skimming, no missed lines.