Der Autor testete Jev zur Klassifikation gelabelter Koordinatenpunkte statt k-means, mit hoher Genauigkeit und Fehlern nur an Randfällen, und sieht Potenzial für Zero-Shot-Anwendungen.
大分試すの遅くなったけど、Jevをk-meansクラスタリングの代わりに分類させてみた。 座標点と正解ラベルがペアになった各群30点のデータセットを食わせてみたところ、割と正解率が高い。 サンプルデータに含まれてないエッジや境界部分で誤答してるけど、ゼロショットを考えればいろいろ応用できそう
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.
