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.
Użycie Jev do regulacji wysiłku myślowego GPT-6 Astra
W aplikacji Codex Jev służy do regulacji wysiłku myślowego GPT-6 Astra, dzięki czemu system przeznacza mniej zasobów na rutynowe kroki, a więcej na złożone zadania. Rozwiązanie o nazwie Astra Ares obniża koszty korzystania z Astra o 50% i przyspiesza wykonywanie zadań.
השתמשתי ב-Jev כדי לווסת את מאמץ החשיבה של GPT-6 Astra תוך כדי ביצוע משימה באפליקציית Codex; כך המערכת משקיעה פחות משאבים בשלבים שגרתיים ויותר במשימות מורכבות. הפתרון נקרא Astra Ares. הוא מאפשר הוזלה של 50% בעלויות השימוש ב-Astra וביצוע מהיר יותר של משימות, מבלי לפגוע במנגנון
· 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.
