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.
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.
People have only scratched the surface of what's possible with Jev and @typesafeai This cookbook shows one use case I'm excited about - semantic querying. Think about how much junk you have to try and extract signal from all the time in so many areas. Now you can intelligently
· 523 likesOpen on X
More like this
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 $.
Classification de texte avec Jev : 6000 fois moins cher que Pangram
Un utilisateur présente Jev de TypeSafe pour la classification de texte par IA, affirmant qu'il est proche de Pangram mais 6000 fois moins cher et 5 à 10 fois plus rapide, testé sur un essai de Paul Graham. Link
