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.
Jev jest świetny w klasyfikacji zero-shot, ale wyspecjalizowane klasyfikatory dominują w zastosowaniach komercyjnych
Josh zauważa, że Jev dobrze radzi sobie w klasyfikacji zero-shot, ale w środowiskach komercyjnych korzystniejsze są wyspecjalizowane klasyfikatory. Wspomina, że @trycua dostroił mały model, który uzyskał 99,7% w ocenie wypełniania formularzy, podczas gdy hostowany Jev uzyskał 83,6%, i dzieli się doświadczeniem dostrajania GLiNER 2.5 w 51 minut.
Jev is great at zero-shot classification, but specialist classifiers will dominate commercial use cases. @trycua tuned a tiny model that scored 99.7% on their form-filling eval. Hosted Jev scored 83.6%. I tuned GLiNER 2.5 on a task in 51 minutes yesterday and it crushes
· 432 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.
