Demo ini menunjukkan bagaimana Jev mengubah ulasan wine tidak terstruktur menjadi data terstruktur yang secara signifikan meningkatkan performa model ML dasar.
JEV TURNED 2,000 WINE REVIEWS INTO 67 NUMERIC COLUMNS THEN A BASIC ML MODEL CUT ITS ERROR ALMOST IN HALF this is the Jev demo people should be talking about the system did not ask Jev to write better tasting notes. An LLM proposed semantic questions about each review. Jev
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.
