THE JEV GUIDE · CURATED EDITION
Wiadomości premierowe, wyjaśnienia, demo i projekty społeczności wokół TypeSafe Jev, uporządkowane według tematów. Każdy wpis prowadzi do źródła na X.
Selekcja redakcyjna · Niepełna · Aktualizowana ręcznie
01 / EXPLORE
0 means awaiting a verified post
Na podstawie ram testowych @karminski3 autor dodaje wiele wyników Jev w problemach labiryntu i porównuje je z losowym spacerem oraz profesjonalnymi algorytmami labiryntu.
Autor użył nowego modelu Jev firmy TypeSafe w Skills IL do zbudowania narzędzia wykrywającego bankowe wiadomości phishingowe otrzymywane przez SMS, WhatsApp lub e-mail. Użytkownicy mogą wkleić podejrzaną wiadomość w celu weryfikacji.
Ktoś stworzył ogromny katalog wszystkiego, co związane z Jev, w tym umiejętności, repozytoria, posty X/Reddit, zasoby, strony i wiele więcej, z możliwością filtrowania według przypadku użycia.
Autor sugeruje, aby nie traktować wartości zwracanych przez Jev po prostu jako poprawnych; zamiast tego należy zwracać uwagę na confidence. Dla typów Choice należy dodać opcję cannot_tell, aby uniknąć błędnych ocen.
Autor uważa, że Jev nie nadaje się do wykrywania treści generowanych przez AI, wszystkie detektory AI są takie same i bezużyteczne, chyba że dokładność przekracza 90%, i poleca inne API. Link
Autor przetestował Jev przy rozwiązywaniu sudoku, zauważając, że prompt był trudny, ale szybki, i wspomniał, że LLM mają rzekomo problemy z sudoku.
Autor mówi, że Jev 1.13 może zastąpić duże modele językowe w niektórych zadaniach.
Rajeshsam zauważa, że impet AI wydaje się powracać do tradycyjnej nauki o danych z klasyfikatorami System 1 (np. Jev). Twierdzi, że typowane, strukturalne odpowiedzi i deterministyczne rozumowanie w Pythonie przez hooki są lepsze niż pozwalanie modelowi zgadywać przepływ sterowania; pozostaw niejednoznaczność na granicy pozyskiwania.
Ponowne uruchomienie benchmarku przez społeczność pokazuje, że Jev i GPT-5.4 są statystycznie nieodróżnialne (różnica 3,3 punktu), a Jev kosztuje około jedną pięćdziesiątą. Link
Deweloper Tal Saiag dzieli się wzorcem Jev: każde wywołanie celowo pozostawia mały fragment stanu tylko dla następnego wywołania Jev, nazywając to 'Jev carry state'.
Użytkownik dzieli się wnioskami z eksperymentu z Jev: wymaga jawnych promptów jak starsze modele poziomu GPT-4, jest bardzo tani, i dostrajał go przez około 8 godzin z Astra.
Wildan tweetuje, że nadszedł czas, aby Claude użył Jev od TypeSafe AI.