Omawia znaczenie skalibrowanych ocen pewności w Jev dla podejmowania decyzji dyskretnych i przedstawia ugruntowane oceny pewności dla ogólnego wyodrębniania dokumentów sterowanego schematem, w tym typów pierwotnych.
with jev, everyone is understanding the importance of calibrated confidence scores for discrete decision making we've taken that approach one-step further and created grounded confidence scores for general schema-guided document extraction: ✅ this includes primitive types
Malte Ubl uruchomił Jev od TypeSafe AI na istniejącej ewaluacji klasyfikatora: nasycił ewaluację pod względem jakości i był 6 razy szybszy niż Gemini 2.5 Flash Lite.
Autor wydał rozszerzenie DuckDB, które używa Jev od TypeSafe AI do szybkiej klasyfikacji wierszy w plikach CSV/Parquet lub tabelach DuckDB, około 10 sekund na 1k wierszy—szybciej niż LLM i wygodniej niż klasyfikator.
Autor streścił każdy artykuł za pomocą DeepSeek V4 Flash, a następnie przesłał tytuł, streszczenie i 24 możliwe tematy do Jev w celu klasyfikacji. Przetworzono 1018 artykułów o AI przy łącznym koszcie 0,08 USD i medianie opóźnienia end-to-end 256 ms na artykuł.
