THE JEV GUIDE · CURATED EDITION
Noticias de lanzamiento, explicaciones, demos y proyectos de la comunidad sobre TypeSafe Jev, organizados por tema. Cada entrada enlaza a su fuente en X.
Selección curada · No exhaustiva · Actualización manual
01 / EXPLORE
0 means awaiting a verified post
Basándose en el marco de pruebas de @karminski3, el autor añade múltiples resultados de Jev en problemas de laberinto y los compara con el paseo aleatorio y algoritmos profesionales de laberinto.
El autor usó el nuevo modelo Jev de TypeSafe en Skills IL para construir una herramienta que detecta mensajes de phishing bancario recibidos por SMS, WhatsApp o correo electrónico. Los usuarios pueden pegar un mensaje sospechoso directamente para verificarlo.
Alguien creó un directorio masivo sobre todo lo relacionado con Jev, que incluye habilidades, repositorios, publicaciones de X/Reddit, recursos, sitios y más, con filtros por caso de uso.
El autor sugiere que los valores de retorno de Jev no deben tratarse simplemente como correctos; en su lugar, hay que prestar atención a confidence. Para los tipos Choice, se debe añadir una opción cannot_tell para evitar errores.
El autor cree que Jev no es adecuado para la detección de contenido generado por IA, todos los detectores de IA son similares y no tienen sentido a menos que la precisión supere el 90%, recomendando otra API. Link
El autor probó a Jev resolviendo un sudoku, destacó que el prompt fue difícil pero rápido, y mencionó que se dice que los LLM tienen problemas con sudokus.
El autor dice que Jev 1.13 podría reemplazar a los grandes modelos de lenguaje en algunas tareas.
Rajeshsam señala que el impulso de la IA parece haber vuelto a la ciencia de datos tradicional con clasificadores System 1 (como Jev). Argumenta que las respuestas estructuradas tipadas y el razonamiento determinista en Python mediante hooks superan a dejar que el modelo adivine el flujo de control; deja la ambigüedad en el límite de ingesta.
Una nueva ejecución comunitaria encuentra que Jev y GPT-5.4 son estadísticamente indistinguibles (3.3 puntos), y Jev cuesta alrededor de la quincuagésima parte. Link
El desarrollador Tal Saiag comparte un patrón de Jev: cada llamada deja deliberadamente un pequeño estado solo para la siguiente llamada, al que llama 'Jev carry state'.
Un usuario comparte aprendizajes de un experimento con Jev: requiere indicaciones explícitas como los modelos de nivel GPT-4 antiguos, es muy barato, y lo ajustó durante unas 8 horas con Astra.
Wildan tuitea que es hora de que Claude use el Jev de TypeSafe AI.