Course de liens Wikipédia : choisir parmi des milliers d’options
Le modèle choisit l’étape suivante parmi des centaines ou milliers de liens, montrant des décisions rapides avec sorties contraintes. Le post contient une vidéo de 4 min 04.
Jev réduit le temps de curation d'AudioScholar d'environ 25x
Un utilisateur ayant accès à Jev de TypeSafe AI l'a appliqué à AudioScholar, réduisant le temps de curation d'environ 25x par rapport à Sonnet avec 80% de concordance et en détectant des éléments manqués par Sonnet.
Got access to @typesafeai 's #jev and applied it to #AudioScholar and holy smokes - it dropped the curation time ~25x compared to Sonnet curation 🤯 80 percent concurrence and picked up some that Sonnet missed. Wow!
· 2 likesOpen on X
More like this
Cas d'usage de requête sémantique avec Jev et TypeSafe AI
Nathan LeClaire partage un cas d'usage de requête sémantique pour Jev et TypeSafe AI, notant qu'on n'a fait qu'effleurer la surface.
Créer un détecteur de BS en direct pour le débat Trump vs Kamala avec Jev
L'auteur a utilisé Jev pour exécuter un détecteur de BS en direct sur chaque phrase du débat Trump vs Kamala, avec 5 questions oui/non par candidat, totalisant 1 191 appels Jev, 1,18 M de tokens, 415 ms de latence médiane et un coût total de 0,0497 $.
