위키백과 링크 레이스: 수천 개 선택지 중 고르기
모델이 수백에서 수천 개 링크 중 다음 단계를 선택하며, 제약된 출력에서 빠른 의사결정을 게임 방식으로 보여줍니다. 게시물에는 4분 04초 영상이 있습니다.
고속 분류기가 대규모 언어 모델만큼 기술 문서의 관련 부분을 정확히 찾을 수 있을까?
95% Ai가 공유한 평가 보고서에 따르면 고속 분류기는 기술 문서에서 관련 부분을 찾는 데 LLM과 동등한 성능을 보이며, TypeSafe AI와 Featherless AI의 기여를 칭찬했습니다.
*Can a fast classifier find the relevant sections of technical documents as reliably as a large language model?** -> Yes @typesafeai genius in its simplicity and @FeatherlessAI's contribution to this field is both elegant and valuable! **Full report:** https://95pctai.github.io/jev-search-eval-report/…
· 0 likesOpen on X
More like this
Jev와 TypeSafe AI의 시맨틱 쿼리 사용 사례
Nathan LeClaire가 Jev와 TypeSafe AI의 시맨틱 쿼리 사용 사례를 공유하며 아직 표면만 긁은 수준이라고 언급한다.
Jev로 트럼프 대 해리스 토론 실시간 BS 미터 구축
작성자는 Jev를 사용해 트럼프 대 해리스 토론의 모든 문장에 실시간 BS 미터를 적용했습니다. 각 후보에게 5개의 예/아니오 질문을 했고, 총 1,191회 Jev 호출, 118만 토큰, 중앙값 415ms, 총 비용 $0.0497입니다.
