Corsa tra link Wikipedia: scegliere fra migliaia di opzioni
Il modello sceglie il passo successivo fra centinaia o migliaia di link, mostrando decisioni rapide con output vincolati. Il post include un video di 4:04.
Creare un misuratore di BS in tempo reale per il dibattito Trump vs Kamala con Jev
L'autore ha usato Jev per eseguire un misuratore di BS in tempo reale su ogni frase del dibattito Trump vs Kamala, con 5 domande sì/no per candidato, per un totale di 1.191 chiamate Jev, 1,18M token, 415 ms di latenza mediana e un costo totale di $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
· 1,4K likesOpen on X
More like this
Caso d'uso di query semantica con Jev e TypeSafe AI
Nathan LeClaire condivide un caso d'uso di query semantica per Jev e TypeSafe AI, notando che si è appena scalfita la superficie.
Classificazione del testo con Jev: 6000 volte più economico di Pangram
Un utente mostra Jev di TypeSafe per la classificazione del testo con IA, affermando che è vicino a Pangram ma 6000 volte più economico e 5-10 volte più veloce, testato su un saggio di Paul Graham. Link
