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 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.
🚨 I gave the Trump vs Kamala debate a live BS meter using Jev every sentence, both candidates, 5 yes/no questions each 1,191 Jev calls / 1.18M tokens / 415 ms median total cost : $0.0497 same questions for both, clips picked by one fixed rule, not a fact-check
· 1,4 rb 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.
Klasifikasi teks Jev: 6000x lebih murah dari Pangram
Seorang pengguna mendemonstrasikan Jev dari TypeSafe untuk klasifikasi teks AI, mengklaim mendekati Pangram tetapi 6000x lebih murah dan 5-10x lebih cepat, diuji pada esai Paul Graham. Link
