Benchmark / 证据
Jev Benchmark：先看方法，再看分数
每个实验都应该公开任务定义、样本版本、provider、model、延迟、失败案例和 fallback policy。
这些是方向性小样本实验，不是 Jev 的通用排行榜。
Jev 客服工单路由 Benchmark
用带人工标签的客服问题，检查队列 criteria、confidence 阈值和 fallback 是否真的能减少人工分诊。
数据字段待补：发布前请绑定数据集版本、运行日期、provider 与可复现结果。
Jev 垃圾信息识别 Benchmark
重点观察误杀正常消息、漏掉垃圾内容以及人工复核比例，而不是只公布一个看起来很高的总分。
数据字段待补：发布前请绑定数据集版本、运行日期、provider 与可复现结果。
Jev Prompt Injection 检测 Benchmark
用不同攻击类型检查 Jev 能否把可疑指令拦到人工复核，同时明确它只是 Agent 安全体系中的一层。
数据字段待补：发布前请绑定数据集版本、运行日期、provider 与可复现结果。