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.
Индексация библиотеки художественных стилей Katagami с помощью Jev для взаимодействия через MCP
Автор использовал Jev для индексации всей библиотеки художественных стилей и языков дизайна Katagami, обеспечив интерактивные и интеллектуальные запросы для людей и агентов через MCP — разбор признаков и оценка соответствия примерно за 1 секунду.
I used Jev to index the entire Katagami library of art styles and design languages, and make the experience for both humans and agents (via MCP) interactive and intelligent - you ask, Jev reads your ask into traits and scores candidates for fit (~1s). This was not possible with
· 4 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.
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.
