alp82 /
Evaluation & Observabilitygoodwatch-monorepo
GoodWatch 仓库内的影视特征评分实验，比较 Jev 对情绪、情节等特征的不同问法和批量方式。
GitHub
382
License: MITLanguage: Python最近提交：2026/9/17#creative-multimedia#evaluation-benchmarks
JEV 在该架构中的决策位置
对固定影视样本询问特征是否存在或有多明显，记录分数、耗时和 Token。
核心架构收益
便于对照问题尺度、输入内容与批处理设计，检查特征判断。
固定版本源码审校依据
本站人工核验过该仓库的以下固定 commit 源码文件，确认 Jev 决策逻辑的真实接入方式：
审校说明与基准口径：源码明确是独立评分实验，不证明线上推荐使用 Jev，也没有优于向量推荐的已核验依据。本站未重跑。
快速克隆仓库
git clone https://github.com/alp82/goodwatch-monorepo.git
同分类相关项目推荐（评测与观测）
NiazMorshed2007
jev-review
Evaluation & ObservabilityMITTypeScript
供编码 Agent 使用的本地 MCP 代码质量检查器，返回多个维度的结构化评分。
JEV 在这里做什么
Jev 对正确性、复杂度、测试和安全等维度评分，程序汇总优先改进项。
↳ 可比较两次检查的评分变化，代码修改仍由主 Agent 负责。
#coding-agents#mcp-integrations#evaluation-benchmarks
10✓ 4 处源码证据
查看详情 →
AbdelStark
jev-benchmarks
Evaluation & ObservabilityApache-2.0Python
把 Jev 和 GLiNER 放到同一批分类题上，除了答对率，也检查概率靠不靠谱。
JEV 在这里做什么
对固定文本和标签集合做分类，记录每个标签的概率、耗时和失败。
↳ 能看清模型在哪些任务上适合自动处理，在哪些任务上容易过度自信。
#evaluation-benchmarks#classification-ranking
✓ 3 处源码证据
查看详情 →
mizchi
jev-playground
Evaluation & ObservabilityMITTypeScript
MoonBit 与 TypeScript 的 Jev 实验集，覆盖棋类、浏览器、命令风险和小型语言。
JEV 在这里做什么
不同实验把候选动作或判断题交给 Jev，再由对应程序执行或记录。
↳ 提供源码、实验记录和部分可离线重放的样例，便于比较决策设计。
#evaluation-benchmarks#games-simulation#browser-automation
✓ 4 处源码证据
查看详情 →