Discute l'importanza dei punteggi di confidenza calibrati in Jev per le decisioni discrete e introduce punteggi di confidenza fondati per l'estrazione generale di documenti guidata da schema, inclusi i tipi primitivi.
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 ha eseguito Jev di TypeSafe AI su una valutazione di classificazione esistente: ha saturato la valutazione in qualità ed è stato 6 volte più veloce di Gemini 2.5 Flash Lite.
L'autore ha pubblicato un'estensione DuckDB che usa Jev di TypeSafe AI per classificare rapidamente le righe in file CSV/Parquet o tabelle DuckDB, circa 10 secondi per 1k righe—più veloce di un LLM e più ergonomico di un classificatore.
L'autore ha riassunto ogni paper con DeepSeek V4 Flash, poi ha inviato titolo, riassunto e 24 argomenti candidati a Jev per la classificazione, elaborando 1.018 paper sull'IA con un costo totale di 0,08 $ e una latenza end-to-end mediana di 256 ms per paper.
