El equipo de Jev en TypeSafe AI está contratando. El puesto incluye un enlace de solicitud y pide a los candidatos prepararse para responder sobre sus intentos con LLM y las limitaciones encontradas.
Jev team is hiring @typesafeai https://jobs.ashbyhq.com/typesafe-ai Be prepare to respond: What have you tried to get working technically with an LLM, and what limitations did you discover?
El autor probó Jev en un benchmark de 1.565 correos empresariales en alemán e inglés de proveedores industriales en 10 categorías, encontrando menor precisión que Gemini, pero se centró en dónde ocurrieron los errores y aún planea ponerlo en producción.
Aaron Levie afirma que Jev ayuda a los agentes a tomar decisiones rápidas en flujos de trabajo, clasificación de datos y juicios, con una demo de Box y Jev que extrae un informe de incidentes de Box.
Fatih Yildiz afirma que Jev de TypeSafe AI es prometedor para casos de uso de modelos de decisión de observabilidad, y señala que la latencia se acumula al usar modelos frontera en edge_delta para puntuación de prioridad operativa y enrutamiento de eventos, por lo que está probando Jev.
