Red Hat AI Safety团队发布了一项技术评估，对比了TypeSafe AI的Jev决策模型与传统文本分类器和LLM-as-a-judge方法在AI安全守卫中的表现。该研究通过在提示注入和内容安全两个基准测试中对9种方法进行评估，结果显示Jev决策模型在速度和准确性上并未超越LLM-as-a-judge或预…
TypeSafe AI的Jev模型与Apache Arrow数据格式的集成方案已实现。Jev是将自然语言和应用状态转换为类型化决策的AI模型，具有三种问题类型——Choice、Noul、Score，每种答案形状各不相同。项目作者设计了Arrow schema来表示Jev的答案，并利用Arrow extension t…
Jev是一款开源代码审查工具，专门用于处理AI代理生成的大规模拉取请求。该工具通过将代码变更分为P0、P1、P2三个优先级来简化审查流程，默认仅展示P0级别的变更，并以自然语言形式呈现代码差异。
Jev模型的核心创新不在于传统语言模型架构，而是建立在RLCD（校准、多路决策的约束模型）基础之上。该系统通过将奖励模型从隐藏组件转变为产品接口，实现了更加透明和可控的决策流程。
safe-upgrade项目展示了如何通过Jev、LangGraph和Tenuo三个框架的协同，构建安全的依赖升级代理。该项目的核心架构将决策判断、控制流和权限管理分离，形成一套具有明确权限边界的Agent委托工作流。
作者Duarte O.Carmo发布了一篇技术文章，展示了如何仅用25行Python代码实现Jev邮件分类系统。该演示使用llama-cpp-python库加载Qwen/Qwen3-0.6B-GGUF模型，能够将邮件分为三类：合法邮件、垃圾邮件和钓鱼邮件，并输出相应的概率数值。在演示中，系统对一封邮件的分类结果为合法…