Budowanie klasyfikatora bazy kodu z Jev
Deweloper dzieli się budową klasyfikatora bazy kodu z Jev, sugerując, że może rozwiązać problem przekombinowanego kodu od agentów, i pyta, co testować dalej.
Tworzenie narzędzia do klasyfikacji danych wejściowych podobnego do Jev za pomocą PromptAPI
Autor stworzył narzędzie podobne do Jev za pomocą PromptAPI (GeminiNano), które określa, do której opcji pasuje dane wejściowe, wraz z artykułem Qiita i stroną demo.
話題のJevのように、入力された内容がどの選択肢に当てはまるかを判定するものをPromptAPI(GeminiNano)で作ってみた。 Qiita:https://qiita.com/ho-rai/items/4faeb79995a4ceb24087… 詳細な説明ページ:https://pawn-4-git.github.io/nano-judgement.js/… 動かしてみた動画で入力内容によって、対応の重要度の判定が変わっていくのがわかるかと思います。 ↓
· 0 likesOpen on X
More like this
Jev umożliwia LLM-as-a-Judge 20–200x szybciej i 40–400x taniej
Jev został użyty do wyboru, który model jest AGI, oferując 20–200x większą szybkość i 40–400x niższy koszt, czyniąc LLM-as-a-judge niezwykle szybkim i niemal darmowym.
Testowanie aplikacji z TypeSafe Jev i OpenCode
Filip dzieli się małym demo pokazującym szybkość testowania aplikacji z TypeSafe Jev i OpenCode.
