THE JEV GUIDE · CURATED EDITION
Launch News, Erklärungen, Demos und Community Projekte rund um TypeSafe Jev, nach Themen geordnet. Jeder Eintrag verweist auf die Quelle bei X.
Kuratierte Auswahl · Nicht vollständig · Manuell aktualisiert
01 / EXPLORE
0 means awaiting a verified post
Basierend auf dem Testframework von @karminski3 ergänzt der Autor mehrere Ergebnisse für Jev bei Labyrinthproblemen und vergleicht sie mit Random Walk und professionellen Labyrinth-Algorithmen.
Der Autor hat in Skills IL das neue Modell Jev von TypeSafe verwendet, um ein Tool zu erstellen, das Phishing-Nachrichten von Banken erkennt, die per SMS, WhatsApp oder E-Mail empfangen werden. Benutzer können eine verdächtige Nachricht direkt einfügen und prüfen.
Jemand hat ein riesiges Verzeichnis zu allem rund um Jev erstellt, einschließlich Skills, Repos, X/Reddit-Beiträgen, Ressourcen, Websites und mehr, filterbar nach Anwendungsfall.
Der Autor schlägt vor, Rückgabewerte von Jev nicht einfach als korrekt zu behandeln, sondern auf confidence zu achten. Bei Choice-Typen sollte eine cannot_tell-Option hinzugefügt werden, um Fehlurteile zu vermeiden.
Der Autor hält Jev für ungeeignet zur Erkennung von KI-generierten Inhalten, alle KI-Detektoren sind gleich und sinnlos, es sei denn, die Genauigkeit liegt über 90 %, und empfiehlt eine andere API. Link
Der Autor ließ Jev ein Sudoku lösen, fand den Prompt schwierig, aber schnell, und erwähnte, dass LLMs angeblich Probleme mit Sudoku haben.
Der Autor sagt, dass Jev 1.13 bei einigen Aufgaben große Sprachmodelle ersetzen könnte.
Rajeshsam bemerkt, dass das KI-Momentum scheinbar zur traditionellen Datenwissenschaft mit System-1-Klassifikatoren (z. B. Jev) zurückgekehrt ist. Er argumentiert, dass typisierte strukturierte Antworten und deterministisches Denken in Python über Hooks besser sind, als das Modell den Kontrollfluss erraten zu lassen; lassen Sie die Unschärfe an der Erfassungsgrenze.
Ein erneuter Community-Benchmark zeigt, dass Jev und GPT-5.4 statistisch nicht unterscheidbar sind (3,3 Punkte), während Jev etwa ein Fünfzigstel kostet. Link
Entwickler Tal Saiag teilt ein Jev-Muster: Jeder Aufruf hinterlässt bewusst einen kleinen Zustand nur für den nächsten Jev-Aufruf, den er als 'Jev carry state' bezeichnet.
Ein Nutzer teilt Erkenntnisse aus einem Experiment mit Jev: Es erfordert explizite Aufforderungen wie ältere GPT-4-Modelle, ist sehr günstig und wurde etwa 8 Stunden mit Astra abgestimmt.
Wildan twittert, dass es Zeit ist, dass Claude Jev von TypeSafe AI nutzt.