Balapan tautan Wikipedia: memilih dari ribuan opsi
Model memilih langkah berikutnya dari ratusan atau ribuan tautan, menunjukkan keputusan cepat dengan output terbatas. Post menyertakan video 4:04.
Membuat situs pencarian kata kabur dengan Jev
Penulis sedang membuat situs pencarian kata kabur untuk konten publiknya di web menggunakan Jev. Dengan mempersempit cakupan dan menampilkan skor Jev untuk setiap istilah, pencarian terasa lebih transparan, dan pendekatan pencocokan kata kabur ini hampir gratis dan mudah diterapkan.
Jevを使って自分がネット公開してるコンテンツを「あいまい語検索」できるサイトを作ってみてる。Google検索でいいじゃんなわけですが、検索対象を絞って検索語に対するJevの評価点を表示すると意外と検索の透明性が高いなと感じるサイトに。「あいまい語→マッチング」をほぼタダで気軽にいろんなとこ
· 0 likesOpen on X
More like this
Kasus penggunaan kueri semantik dengan Jev dan TypeSafe AI
Nathan LeClaire membagikan kasus penggunaan kueri semantik untuk Jev dan TypeSafe AI, mencatat orang baru menggores permukaannya.
Membuat pengukur BS langsung untuk debat Trump vs Kamala dengan Jev
Penulis menggunakan Jev untuk menjalankan pengukur BS langsung pada setiap kalimat debat Trump vs Kamala, dengan 5 pertanyaan ya/tidak per kandidat, total 1.191 panggilan Jev, 1,18 juta token, latensi median 415 ms, dan biaya total $0,0497.
