Penulis berbagi eksperimen aplikasi Jev: memecah teks menjadi bagian, menilai berbagai pola pemangkasan dengan banyak penilaian Jev, dan menyeimbangkan keterbacaan dengan kehilangan informasi untuk memadatkan teks dan menghapus redundansi LLM.
Jevの応用実験で文章を圧縮してLLMの冗長さを省く実験やってみた。パーツごとに分解していろんな削りパターンを判定し、読みやすさと情報の欠損のバランスをとっていくのを大量のJev判定でやっていく
Malte Ubl menjalankan Jev dari TypeSafe AI pada evaluasi klasifikasi yang ada; hasilnya memenuhi evaluasi dari sisi kualitas dan 6x lebih cepat dari Gemini 2.5 Flash Lite.
Penulis merilis ekstensi DuckDB yang menggunakan Jev dari TypeSafe AI untuk mengklasifikasikan baris dengan cepat di file CSV/Parquet atau tabel DuckDB, sekitar 10 detik untuk 1k baris—lebih cepat dari LLM dan lebih ergonomis daripada classifier.
Penulis merangkum setiap makalah dengan DeepSeek V4 Flash, lalu mengirim judul, ringkasan, dan 24 topik kandidat ke Jev untuk diklasifikasikan, memproses 1.018 makalah AI dengan total biaya $0,08 dan latensi end-to-end median 256ms per makalah.
