Anwendungsfall für semantische Abfragen mit Jev und TypeSafe AI
Nathan LeClaire teilt einen Anwendungsfall für semantische Abfragen mit Jev und TypeSafe AI und merkt an, dass man erst an der Oberfläche kratzt.
Wikipedia Link Rennen: Auswahl aus Tausenden Optionen
Das Modell wählt den nächsten Schritt aus Hunderten oder Tausenden Links und zeigt schnelle Entscheidungen mit eingeschränkten Ausgaben. Der Post enthält ein 4:04 Video.
Das Modell wählt den nächsten Schritt aus Hunderten oder Tausenden Links und zeigt schnelle Entscheidungen mit eingeschränkten Ausgaben. Der Post enthält ein 4:04 Video.
· 2553 likesOpen on X
More like this
Ein Live-BS-Meter für die Trump-vs-Kamala-Debatte mit Jev erstellen
Der Autor nutzte Jev, um einen Live-BS-Meter auf jeden Satz der Trump-vs-Kamala-Debatte anzuwenden, mit 5 Ja/Nein-Fragen pro Kandidat, insgesamt 1.191 Jev-Aufrufe, 1,18 Mio. Tokens, 415 ms Median-Latenz und Gesamtkosten von 0,0497 $.
Jev-Textklassifikation: 6000-mal günstiger als Pangram
Ein Nutzer demonstriert TypeSafes Jev zur KI-Textklassifikation und behauptet, es sei nahe an Pangram, aber 6000-mal günstiger und 5-10-mal schneller, getestet an einem Paul-Graham-Essay. Link
