Гонка ссылок Wikipedia: выбор среди тысяч вариантов
Модель выбирает следующий шаг из сотен или тысяч ссылок, демонстрируя быстрые решения с ограниченным выводом. В посте есть видео 4:04.
Создание live-детектора BS для дебатов Трампа и Харрис с помощью Jev
Автор использовал Jev для запуска live-детектора BS на каждом предложении дебатов Трампа и Харрис, по 5 вопросов да/нет каждому кандидату, всего 1 191 вызов Jev, 1,18 млн токенов, медианная задержка 415 мс и общая стоимость $0,0497.
🚨 I gave the Trump vs Kamala debate a live BS meter using Jev every sentence, both candidates, 5 yes/no questions each 1,191 Jev calls / 1.18M tokens / 415 ms median total cost : $0.0497 same questions for both, clips picked by one fixed rule, not a fact-check
· 1,4 тыс. likesOpen on X
More like this
Пример семантического запроса с Jev и TypeSafe AI
Нейтан ЛеКлер делится примером семантического запроса для Jev и TypeSafe AI, отмечая, что возможности только начинают раскрываться.
Классификация текста с Jev: в 6000 раз дешевле Pangram
Пользователь демонстрирует Jev от TypeSafe для классификации текста с помощью ИИ, утверждая, что он близок к Pangram, но в 6000 раз дешевле и в 5-10 раз быстрее, протестирован на эссе Пола Грэма. Link
