Questa demo mostra come Jev struttura recensioni di vino non strutturate in dati che migliorano significativamente le prestazioni di un modello ML di base.
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 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.
