Il team Jev di TypeSafe AI sta assumendo. Il post include un link per la candidatura e chiede ai candidati di prepararsi a rispondere su cosa hanno provato con gli LLM e sui limiti scoperti.
Jev team is hiring @typesafeai https://jobs.ashbyhq.com/typesafe-ai Be prepare to respond: What have you tried to get working technically with an LLM, and what limitations did you discover?
L'autore ha testato Jev su un benchmark di 1.565 e-mail aziendali in tedesco e inglese provenienti da fornitori industriali in 10 categorie, riscontrando una precisione inferiore a Gemini, ma si è concentrato su dove si verificano gli errori e intende comunque metterlo in produzione.
Aaron Levie afferma che Jev aiuta gli agenti a prendere decisioni rapide in flussi di lavoro, classificazione dei dati e giudizi, con una demo Box e Jev che estrae un report di incidente da Box.
Fatih Yildiz afferma che Jev di TypeSafe AI è promettente per i casi d'uso dei modelli decisionali di osservabilità, notando che la latenza si accumula usando modelli frontier presso edge_delta per scoring di priorità operativa e routing di eventi, e sta testando Jev.
