El autor usó el modelo Jev de TypeSafe para leer 90,856 publicaciones (141M de tokens), evaluó 8,000 predicciones contra precios reales y probó 659 cuentas para habilidad vs suerte. Conclusión: no encontró un solo predictor de acciones que superara claramente a la suerte.
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 usa Jev para abordar el problema más molesto de las herramientas de finanzas personales: generar buenas descripciones de beneficiarios a partir de datos bancarios. Alcanzó cerca del 95% en el primer intento, con muchas formas de mejorar.
Un desarrollador usa Jev para decidir comprar o vender y ejecuta operaciones reales en el libro de órdenes on-chain de Kuru vía Monad cada bloque de 300 ms. Link
Erik Spock Gafni sugiere que quienes obtienen grandes ganancias con el trading de Jev donen parte de sus beneficios a la caridad.