L'auteur a utilisé le modèle Jev de TypeSafe pour lire 90 856 posts (141M tokens), évalué 8 000 prédictions par rapport aux prix réels et testé 659 comptes pour le skill vs luck. Conclusion : aucun prédicteur d'actions ne battait clairement le hasard.
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 utilise Jev pour résoudre le problème le plus pénible des outils de finances personnelles : générer de bonnes descriptions de bénéficiaires à partir de données bancaires brutes. Il a atteint environ 95 % dès le premier essai, avec de nombreuses pistes d'amélioration.
Un développeur utilise Jev pour décider d'acheter ou de vendre et exécute des transactions réelles sur le carnet d'ordres on-chain de Kuru via Monad toutes les 300 ms. Link
Erik Spock Gafni suggère à ceux qui réalisent de gros profits avec le trading Jev de faire don d'une partie de leurs gains à des œuvres caritatives.