Erörtert die Bedeutung kalibrierter Konfidenzwerte in Jev für diskrete Entscheidungen und stellt geerdete Konfidenzwerte für allgemeine schema-gesteuerte Dokumentenextraktion vor, einschließlich primitiver Typen.
with jev, everyone is understanding the importance of calibrated confidence scores for discrete decision making we've taken that approach one-step further and created grounded confidence scores for general schema-guided document extraction: ✅ this includes primitive types
Malte Ubl testete Jev von TypeSafe AI in einem bestehenden Klassifikator-Eval: Es sättigte das Eval qualitativ und war 6-mal schneller als Gemini 2.5 Flash Lite.
Der Autor hat eine DuckDB-Erweiterung veröffentlicht, die TypeSafe AIs Jev nutzt, um Zeilen in CSV/Parquet-Dateien oder DuckDB-Tabellen schnell zu klassifizieren – etwa 10 Sekunden für 1k Zeilen, schneller als ein LLM und ergonomischer als ein Klassifikator.
Der Autor fasste jedes Paper mit DeepSeek V4 Flash zusammen und übergab Titel, Zusammenfassung und 24 mögliche Themen an Jev zur Klassifizierung. 1.018 KI-Papers wurden bei 0,08 $ Gesamtkosten und 256 ms medianer End-to-End-Latenz pro Paper verarbeitet.
