Einen Codebase-Klassifikator mit Jev erstellen
Ein Entwickler teilt den Bau eines Codebase-Klassifikators mit Jev, der überentwickelten Code von Agenten lösen könnte, und fragt, was als Nächstes getestet werden soll.
Colibrì führt von Jev inspirierten Brio-Modus ein: Closed-Set-Wahrscheinlichkeitsvorhersage
Der Brio-Modus von Colibrì, inspiriert von TypeSafes Jev, nimmt Kontext und eine geschlossene Antwortliste entgegen und gibt Wahrscheinlichkeiten und Entropie für jede Wahl zurück, ohne Tokens zu generieren. Er läuft auf 9 offenen Modellfamilien auf Ihrer eigenen Hardware.
Brio mode in Colibrì Give it context + a closed list of answers. It returns the probability of each choice + entropy (how unsure it is). Zero generated tokens. Inspired by TypeSafe’s Jev — but on 9 open model families, running on your hardware.
· 1 likesOpen on X
More like this
Jev ermöglicht LLM-as-a-Judge mit 20–200x Geschwindigkeit und 40–400x geringeren Kosten
Jev wurde verwendet, um zu bestimmen, welches Modell AGI ist, und bietet 20–200x Geschwindigkeit und 40–400x geringere Kosten, wodurch LLM-as-a-Judge extrem schnell und nahezu kostenlos wird.
Apps testen mit TypeSafe Jev & OpenCode
Filip teilt eine kleine Demo, die zeigt, wie schnell App-Tests mit TypeSafe Jev und OpenCode sein können.
