jev-agent-failure-benchmark

Jev が判断する箇所

記録から候補集合を作り、Jev に三つの choice 質問を送る。

このプロジェクトの用途

評価スクリプトと作者結果を公開。一部ベースラインの自由生成と候補選択では条件が異なる。

ソースと実装

• TokenTrim/jev-agent-failure-benchmark/blob/4d46af795a4a4409940a65857da73e45abaea2db/README.md
• TokenTrim/jev-agent-failure-benchmark/blob/4d46af795a4a4409940a65857da73e45abaea2db/src/jevbench/backends/jev.py
• TokenTrim/jev-agent-failure-benchmark/blob/4d46af795a4a4409940a65857da73e45abaea2db/RESULTS.md

同じカテゴリのプロジェクト

• jev-review

  NiazMorshed2007 · 評価・可観測性

  コーディング Agent に複数の品質スコアを返すローカル MCP レビューサーバー。

• jev-benchmarks

  AbdelStark · 評価・可観測性

  文章分類・確率校正・選択的自動化を Jev と GLiNER で比較するベンチマーク。

• jev-playground

  mizchi · 評価・可観測性

  ゲーム・ブラウザー・コマンドリスク・小型言語を扱う MoonBit / TypeScript の Jev 実験集。

• jev-lm

  y0usaf · 評価・可観測性

  Jev に単語を選ばせ、ローカルで作った続きの文章を検証する生成実験。