评测与研究
jev-rag-benchmark
@erendikmenn★ 6PythonMIT更新于 2026-09-19
可复现的基准测试，用于评估 Jev 在 RAG 中的重排序质量、延迟和成本。
英文原文
Reproducible benchmark for measuring Jev reranking quality, latency, and cost in RAG
erendikmenn/jev-rag-benchmark ↗
这个项目没法在这儿跑
它的 question 组合是运行时拼出来的，或者代码里没有直接写出来，所以没法原样搬过来。源码链接在上面，可以自己去看。
同类的其他项目
- jev-playground ▶ — 这是一个用于通过 MoonBit 访问 TypeSafe AI 的 System One 模型 Jev 的测试平台。
- jev-as-a-judge ▶ — 使用 Jev 作为评估工具。
- eutrya ▶ — Jev 原生 AI 安全工具，支持自主研究、多 agent 群体、持久追踪板和长时 agent 工作流，CLI 优先，开源，适用于授权安全研究。
- typesafe-local ▶ — 受TypeSafe Ai启发，向本地LLM提问，获得校准概率而非文本，输出结构化结果，无需生成或解析，支持MLX和Apple Silicon。
- jev-mcp ▶ — 将 JEV 连接到 MCP 客户端，使用共享数据集和可测量准确率对比其判断与通用 LLM 的表现。
- omp-jev ▶ — TypeSafe Jev 路由，用于 Oh My Pi，支持可选的 checkpoint 编排器和可编辑的 XDG 配置，需 Bun 1.3.14 和 OMP 18.2.3。
- jev-chat ▶ — 基于类型化 Jev 决策的聊天机器人，采用层级推测解码处理 System One 概率。
- jev-browse ▶ — jev-browse 是一个非官方项目，与 TypeSafe 或 Vercel 无关。