L'auteur partage une expérience d'application de Jev : décomposer le texte en parties, évaluer différents schémas de réduction via de nombreux jugements Jev, et équilibrer lisibilité et perte d'information pour compresser le texte et supprimer la redondance des LLM.
Jevの応用実験で文章を圧縮してLLMの冗長さを省く実験やってみた。パーツごとに分解していろんな削りパターンを判定し、読みやすさと情報の欠損のバランスをとっていくのを大量のJev判定でやっていく
Malte Ubl a testé Jev de TypeSafe AI sur une évaluation de classifieur existante : il a saturé l'évaluation en qualité et a été 6 fois plus rapide que Gemini 2.5 Flash Lite.
L'auteur a publié une extension DuckDB qui utilise Jev de TypeSafe AI pour classer rapidement des lignes dans des fichiers CSV/Parquet ou des tables DuckDB, environ 10 secondes pour 1k lignes, plus rapide qu'un LLM et plus ergonomique qu'un classifieur.
L'auteur a résumé chaque article avec DeepSeek V4 Flash, puis a envoyé le titre, le résumé et 24 sujets candidats à Jev pour classification, traitant 1 018 articles d'IA pour un coût total de 0,08 $ et une latence médiane de 256 ms par article.
