Jevの分類モデルで有効な次トークンを選びC++を書く
TypeSafeのJev決定/分類モデルを使い、各ステップで文法的に有効な次トークンだけを提示してC++コードを生成する実験。
LFM3-VL-2B による JevBench 初回ベンチマーク記録
John Wong 氏が、バックボーン凍結 + 200 ステップ LoRA による LFM3-VL-2B の JevBench スコア（dev 0.657 / test 0.452）を共有。クローズドソースの 0.996 とは尺度が異なり、同規模のオープンソース最高値より約 10 ポイント、Jev 本体より 25〜30 ポイント低いと述べ、今後も最適化を続けるとしています。
第一次跑分，先记个数。 LFM3-VL-2B 冻结主体 + 200 步 LoRA，JevBench 路线 0.657 dev / 0.452 test，原始准确率，跟闭源那 0.996 不是一把尺子。 同量级开源最好 0.753，我们差 10 个点，落在 2B 中下段；离 Jev 本体差一档，25 到 30 个点。 后面接着优化，数会动。
· 0 likesOpen on X
More like this
Jevをコードレビューに活用
投稿者は、コードレビューがJevの非常に良いユースケースだと考えている。
Jevを活用したPRトリアージツールFascin
開発者がJevで構築したPRトリアージツールFascinを紹介。緊急度、変更種別、マージ準備度を判定し、実際の推論はJevが担うと述べている。
