L'autore ha provato Jev per classificare set di punti coordinati etichettati invece di k-means, ottenendo alta precisione ed errori solo ai bordi, vedendo potenziale per applicazioni zero-shot.
大分試すの遅くなったけど、Jevをk-meansクラスタリングの代わりに分類させてみた。 座標点と正解ラベルがペアになった各群30点のデータセットを食わせてみたところ、割と正解率が高い。 サンプルデータに含まれてないエッジや境界部分で誤答してるけど、ゼロショットを考えればいろいろ応用できそう
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.
