Membahas pentingnya skor keyakinan terkalibrasi di Jev untuk pengambilan keputusan diskret dan memperkenalkan skor keyakinan berbasis landasan untuk ekstraksi dokumen terpandu skema umum, termasuk tipe primitif.
with jev, everyone is understanding the importance of calibrated confidence scores for discrete decision making we've taken that approach one-step further and created grounded confidence scores for general schema-guided document extraction: ✅ this includes primitive types
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.
