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.
NYC-locaties rangschikken met Jev op basis van Google Maps-geschiedenis
De auteur bouwde een Karpo-experiment met Jev dat leert van Google Maps-geschiedenis om 1.253 NYC-locaties op persoonlijke smaak te rangschikken.
I gave Jev 1,253 NYC places and one job: figure out which ones you’d actually love 👀 Made a little Karpo experiment that learns from your Google Maps history, then ranks the entire Google Maps list based on your taste. Jev from @typesafeai is kind of perfect for this:
· 5 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.
