O autor testou o Jev para classificar conjuntos de pontos rotulados em vez do k-means, com alta precisão e erros apenas em casos limítrofes, vendo potencial para aplicações zero-shot.
大分試すの遅くなったけど、Jevをk-meansクラスタリングの代わりに分類させてみた。 座標点と正解ラベルがペアになった各群30点のデータセットを食わせてみたところ、割と正解率が高い。 サンプルデータに含まれてないエッジや境界部分で誤答してるけど、ゼロショットを考えればいろいろ応用できそう
Malte Ubl executou o Jev da TypeSafe AI em uma avaliação de classificador existente: saturou a avaliação em qualidade e foi 6x mais rápido que o Gemini 2.5 Flash Lite.
O autor lançou uma extensão do DuckDB que usa o Jev da TypeSafe AI para classificar rapidamente linhas em arquivos CSV/Parquet ou tabelas DuckDB, cerca de 10 segundos para 1k linhas, mais rápido que um LLM e mais ergonômico que um classificador.
O autor resumiu cada artigo com o DeepSeek V4 Flash e enviou título, resumo e 24 tópicos candidatos ao Jev para classificação, processando 1.018 artigos de IA com custo total de US$ 0,08 e latência mediana de 256 ms por artigo.
