THE JEV GUIDE · CURATED EDITION
أخبار الإطلاق والشروحات والعروض ومشاريع المجتمع حول TypeSafe Jev، مرتبة حسب الموضوع. كل عنصر يرتبط بمصدره الأصلي على X.
اختيار محرر · غير شامل · تحديث يدوي
01 / EXPLORE
0 means awaiting a verified post
يشارك Kaustav Banerjee سير عمل مؤتمت بالكامل لتذكرة وصول: 4 من 20 خطوة تتضمن أحكامًا يتولاها Jev من TypeSafe AI، وليس LLM. يعمل LLM مرة واحدة، وتبلغ تكلفة التذكرة بالكامل ₹0.16، وحصة Jev أقل من 1 بيسة.
رقّى المؤلف فرز مراجعة الذكاء الاصطناعي في مجتمعات Bitsocial من gpt-5.6-luna إلى gpt-6-luna، بتكلفة إدخال أقل بنسبة 50% وإخراج أقل بنسبة 58%، وهو أذكى. لا يزال Jev يتولى الفحوصات السهلة، وتُحوَّل الحالات غير المؤكدة إلى grok-4.7.
نشر مؤسس Jev محاضرة مدتها ساعة تشرح كيفية عمل Jev فعليًا: LLMs → القرارات → التحقق → وكلاء البرمجة، مع تغطية سبب عدم كفاية LLMs وحدها، والبدائيات الثلاث خلف Jev، وكيفية تحويل مهام الذكاء الاصطناعي الضخمة إلى خطوات صغيرة موثوقة.
استنادًا إلى إطار اختبارات @karminski3، أضاف المؤلف نتائج متعددة لـ Jev في مشكلات المتاهة وقارنها بالمشي العشوائي وخوارزميات المتاهة الاحترافية.
يشارك مستخدم مقطعًا بالحركة البطيئة لـ Jev وهو يحل سودوكو.
استخدم المؤلف نموذج Jev الجديد من TypeSafe في Skills IL لبناء أداة تكشف رسائل التصيد المصرفي المستلمة عبر الرسائل النصية أو واتساب أو البريد الإلكتروني. يمكن للمستخدمين لصق رسالة مشبوهة مباشرة للتحقق منها.
شارك المجتمع طريقة لتشغيل Jev على Cloud Run باستخدام RTX PRO 6000: بدء بارد ~47 ثانية، زمن استجابة شامل ~117 مللي ثانية، وأكثر من 100 طلب/ثانية عند التزامن 32. كما استخدموا Jev لإنشاء ألعاب مثل Snake وDino وTetris.
يتم دمج JEV في نظام ذاكرة Ekko Agent، حيث يشارك في مراحل رئيسية مثل التصنيف الدلالي وإعادة ترتيب المرشحات والتحقق قبل الكتابة. يساعد الوكيل في العثور على ذكريات أكثر صلة ويكون أكثر حذراً بشأن ما يستحق التذكر. حالياً في مرحلة الاختبار، وتظهر التجارب الأولية تحسناً في دقة الاسترجاع في بعض السيناريوهات.
أنشأ شخص ما دليلاً ضخماً لكل ما يتعلق بـ Jev، بما في ذلك المهارات والمستودعات ومنشورات X/Reddit والموارد والمواقع وغير ذلك، مع إمكانية التصفية حسب حالة الاستخدام.
يقترح المؤلف عدم التعامل مع قيم إرجاع Jev على أنها صحيحة ببساطة، بل التركيز على درجة الثقة confidence. بالنسبة لأنواع الاختيار، ينبغي إضافة خيار cannot_tell لتجنب الأخطاء.
يعتقد المؤلف أن Jev غير مناسب لكشف المحتوى المولّد بالذكاء الاصطناعي، وجميع كاشفات الذكاء الاصطناعي متشابهة ولا فائدة منها إلا إذا تجاوزت الدقة 90٪، ويوصي بواجهة برمجية أخرى. Link
يجمع المؤلف بين Claude Opus 5.5 وJev الصادرين حديثًا في حالة استخدام تسويقية: تقييم تلقائي لـ 120 إعلانًا من المنافسين، واختيار 10 إعلانات تستحق التكيف، وإنشاء نسخ من كل منها.