Der Autor nutzte das Jev-Modell von TypeSafe, um 90.856 Beiträge (141M Token) zu lesen, 8.000 Prognosen mit realen Preisen zu bewerten und 659 Konten auf Können vs. Glück zu testen. Fazit: Kein einziger Aktienprognostiker schlug den Zufall klar.
I tried to find the best stock callers on X using AI. I read 90,856 posts (141M tokens), graded 8,000 calls against real prices, and tested 659 accounts for skill vs luck. I couldn't find a single one that clearly beat luck. How it works: An AI model (Jev by @typesafeai) read
James Long nutzt Jev für das nervigste Problem in Finanz-Tools: gute Zahlungsempfänger-Beschreibungen aus rohen Bankdaten zu erzeugen. Beim ersten Versuch wurden etwa 95 % erreicht, mit vielen Verbesserungsmöglichkeiten.
Ein Entwickler nutzt Jev zur Kauf- oder Verkaufsentscheidung und führt über Monad echte Trades im On-Chain-Orderbuch von Kuru alle 300 ms aus. Link
Erik Spock Gafni schlägt vor, dass diejenigen, die mit Jev-Trading viel Gewinn machen, einen Teil davon an wohltätige Zwecke spenden.