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.
Jev로 Katagami 아트 스타일 라이브러리를 인덱싱하고 MCP 상호작용 지원
작성자는 Jev를 사용해 Katagami 예술 스타일과 디자인 언어 라이브러리 전체를 인덱싱하고, 인간과 에이전트가 MCP를 통해 상호작용적이고 지능적인 질의를 할 수 있게 했다. 약 1초 만에 특성 분석과 적합도 점수를 산출한다.
I used Jev to index the entire Katagami library of art styles and design languages, and make the experience for both humans and agents (via MCP) interactive and intelligent - you ask, Jev reads your ask into traits and scores candidates for fit (~1s). This was not possible with
· 4 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.
