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.
Tanie spekulatywne wywołania Jev optymalizują wykrywanie tur w AI głosowym
Sam Gutentag dzieli się: Flux sygnalizuje, że tura może się kończyć, zanim będzie pewien; Jev jest wystarczająco tani na spekulatywne wywołania, w przeciwieństwie do LLM wymagających pewności.
Again with the room quiet, so you can see the part that makes it work. Flux tells me a turn is probably ending before it's sure. With an LLM you'd wait for certainty, because a discarded call still costs you. Jev is cheap enough to spend on a maybe.
· 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.
