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.
Test Milvus: Jev supera Qwen su nDCG ma è 10,2× più lento e 6,7× più costoso
I test di Milvus mostrano che Jev supera Qwen su nDCG, ma è 10,2× più lento, 6,7× più costoso e un filtro 0,5 scarta il 18,8% dei documenti rilevanti.
Milvus tested this already. According to their findings, Jev beat Qwen on nDCG, but was 10.2× slower and 6.7× more expensive, and a 0.5 filter dropped 18.8% of relevant docs. Link:
· 0 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.
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.
