Wyścig linków Wikipedii: wybór spośród tysięcy opcji
Model wybiera następny krok spośród setek lub tysięcy linków, pokazując szybkie decyzje z ograniczonym wyjściem. Post zawiera film 4:04.
Projekt wyszukiwania FyleContext z TypeSafe Jev
Po przeczytaniu dokumentacji Jev od TypeSafe autor zbudował FyleContext: embeddingi znajdują kandydatów, a Jev decyduje, co widzi klient AI.
Read TypeSafe's docs on Jev for search and retrieval, then built a project from it. FyleContext: embeddings find candidates, Jev decides which ones the AI client actually sees. https://fylecontext.vercel.app/jev #typesafeai #jev
· 2 likesOpen on X
More like this
Przypadek użycia zapytań semantycznych z Jev i TypeSafe AI
Nathan LeClaire dzieli się przypadkiem użycia zapytań semantycznych dla Jev i TypeSafe AI, zauważając, że dopiero zaczęto badać możliwości.
Tworzenie live'owego miernika BS dla debaty Trump vs Kamala z Jev
Autor użył Jev do uruchomienia live'owego miernika BS na każdym zdaniu debaty Trump vs Kamala, zadając 5 pytań tak/nie każdemu kandydatowi, co dało łącznie 1 191 wywołań Jev, 1,18 mln tokenów, medianę opóźnienia 415 ms i całkowity koszt 0,0497 $.
