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.
Colibrì wprowadza tryb Brio inspirowany Jev: przewidywanie prawdopodobieństwa w zbiorze zamkniętym
Tryb Brio w Colibrì, zainspirowany Jev od TypeSafe, przyjmuje kontekst i zamkniętą listę odpowiedzi, zwracając prawdopodobieństwa i entropię dla każdej opcji bez generowania żadnych tokenów. Działa na 9 rodzinach otwartych modeli na własnym sprzęcie.
Brio mode in Colibrì Give it context + a closed list of answers. It returns the probability of each choice + entropy (how unsure it is). Zero generated tokens. Inspired by TypeSafe’s Jev — but on 9 open model families, running on your hardware.
· 1 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.
