A equipe Jev da TypeSafe AI está contratando. A publicação inclui um link de candidatura e pede que os candidatos se preparem para responder sobre o que tentaram com LLMs e as limitações descobertas.
Jev team is hiring @typesafeai https://jobs.ashbyhq.com/typesafe-ai Be prepare to respond: What have you tried to get working technically with an LLM, and what limitations did you discover?
O autor testou o Jev em um benchmark de 1.565 e-mails comerciais em alemão e inglês de fornecedores industriais em 10 categorias, constatando menor precisão que o Gemini, mas focou em onde ocorreram os erros e ainda pretende colocá-lo em produção.
Aaron Levie afirma que o Jev ajuda agentes a tomar decisões rápidas em fluxos de trabalho, classificação de dados e julgamentos, com uma demo de Box e Jev que extrai um relatório de incidente do Box.
Fatih Yildiz afirma que o Jev da TypeSafe AI é promissor para casos de uso de modelos de decisão de observabilidade, observando que a latência aumenta ao usar modelos de fronteira na edge_delta para pontuação de prioridade operacional e roteamento de eventos, e está testando o Jev.
