Corrida de links da Wikipédia: escolhendo entre milhares de opções
O modelo escolhe o próximo passo entre centenas ou milhares de links, demonstrando decisões rápidas com saídas restritas. O post inclui um vídeo de 4:04.
Teste do Milvus: Jev supera Qwen em nDCG, mas é 10,2× mais lento e 6,7× mais caro
Testes do Milvus mostram que o Jev supera o Qwen em nDCG, mas é 10,2× mais lento, 6,7× mais caro e um filtro de 0,5 descarta 18,8% dos documentos relevantes.
Milvus tested this already. According to their findings, Jev beat Qwen on nDCG, but was 10.2× slower and 6.7× more expensive, and a 0.5 filter dropped 18.8% of relevant docs. Link:
· 0 likesOpen on X
More like this
Caso de uso de consulta semântica com Jev e TypeSafe AI
Nathan LeClaire compartilha um caso de uso de consulta semântica para Jev e TypeSafe AI, observando que as pessoas mal arranharam a superfície.
Criando um medidor de BS ao vivo para o debate Trump vs Kamala com Jev
O autor usou Jev para executar um medidor de BS ao vivo em cada frase do debate Trump vs Kamala, com 5 perguntas de sim/não por candidato, totalizando 1.191 chamadas Jev, 1,18M tokens, 415 ms de latência mediana e custo total de $0,0497.
