Carrera de enlaces de Wikipedia: elegir entre miles de opciones
El modelo elige el siguiente paso entre cientos o miles de enlaces, mostrando decisiones rápidas con salidas restringidas. El post incluye un video de 4:04.
Prueba de Milvus: Jev supera a Qwen en nDCG pero es 10,2× más lento y 6,7× más caro
Las pruebas de Milvus muestran que Jev supera a Qwen en nDCG, pero es 10,2× más lento, 6,7× más caro y un filtro de 0,5 descarta el 18,8% de los documentos relevantes.
Milvus tested this already. According to their findings, Jev beat Qwen on nDCG, but was 10.2× slower and 6.7× more expensive, and a 0.5 filter dropped 18.8% of relevant docs. Link:
· 0 likesOpen on X
More like this
Caso de uso de consulta semántica con Jev y TypeSafe AI
Nathan LeClaire comparte un caso de uso de consulta semántica para Jev y TypeSafe AI, señalando que apenas se ha arañado la superficie.
Creando un medidor de BS en vivo para el debate Trump vs Kamala con Jev
El autor usó Jev para ejecutar un medidor de BS en vivo en cada frase del debate Trump vs Kamala, con 5 preguntas de sí/no por candidato, totalizando 1.191 llamadas a Jev, 1,18M tokens, 415 ms de latencia mediana y un coste total de $0,0497.
