James Long, Jev로 은행 원시 데이터에서 수취인 설명 추출 테스트
James Long이 Jev를 사용해 개인 금융 도구의 가장 까다로운 문제인 은행 원시 데이터에서 수취인 설명을 생성했다. 첫 시도에서 약 95% 수준에 도달했으며 개선할 방법이 많다고 밝혔다.
이 게시물은 결제 원장에서 강한 일관성과 최종 일관성의 트레이드오프를 논의하고, Jev-GPT를 사용한 결정론적 추론과 제로 환각을 언급합니다.
Strong vs Eventual consistency in payment ledgers: Stale reads cause double spends. Distributed locks kill latency. Ran the trade-offs on Jev-GPT by @typesafeai: deterministic reasoning, zero hallucinations. Which model do you run in prod? https://jev-gpt.vercel.app