Wikipedia linkrace: kiezen uit duizenden opties
Het model kiest de volgende stap uit honderden of duizenden links en toont snelle beslissingen met beperkte outputs. De post bevat een video van 4:04.
Een retrieval-pipeline bouwen met Jev
De post beschrijft een retrieval-pipeline gebouwd met Jev die een SciFact-corpus doorzoekt, opgehaalde documenten beoordeelt, er maximaal vijf selecteert en op basis van hun inhoud een antwoord genereert.
I built retrieval pipeline with Jev. It searches a SciFact corpus, evaluates the retrieved documents, selects up to five, and generates an answer from their contents.
· 3 likesOpen on X
More like this
Semantische query use case met Jev en TypeSafe AI
Nathan LeClaire deelt een semantische query use case voor Jev en TypeSafe AI en merkt op dat men nog maar net het oppervlak heeft aangeraakt.
Een live BS-meter bouwen voor het Trump vs Kamala-debat met Jev
De auteur gebruikte Jev om een live BS-meter te draaien op elke zin van het Trump vs Kamala-debat, met 5 ja/nee-vragen per kandidaat, in totaal 1.191 Jev-aanroepen, 1,18M tokens, 415 ms mediane latentie en $0,0497 totale kosten.
