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.
Uruchamiaj modele decyzyjne w stylu Jev na Databricks
Dowiedz się, jak uruchamiać modele open-weight, takie jak SemIf-OpenJev, na bezserwerowych GPU za pomocą AI Runtime i Model Serving w Databricks, a następnie wywoływać je bezpośrednio z SQL lub zadań Lakeflow przy użyciu ai_query, aby zwracać strukturalne wyniki.
Here's how to run Jev-style decision models directly on governed data with Databricks 👇 Serve open-weight models like SemIf-OpenJev on serverless GPUs with AI Runtime + Model Serving, then call them directly from SQL or Lakeflow jobs using ai_query to return structured
· 20 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.
