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.
Mengindeks Pustaka Gaya Seni Katagami dengan Jev untuk Interaksi MCP
Penulis menggunakan Jev untuk mengindeks seluruh pustaka gaya seni dan bahasa desain Katagami, memungkinkan kueri interaktif dan cerdas bagi manusia dan agen melalui MCP, dengan analisis sifat dan penilaian kecocokan dalam sekitar 1 detik.
I used Jev to index the entire Katagami library of art styles and design languages, and make the experience for both humans and agents (via MCP) interactive and intelligent - you ask, Jev reads your ask into traits and scores candidates for fit (~1s). This was not possible with
· 4 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.
