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.
Оптимизация источников доказательств с Jev: извлечение цитат и вызов jev-1.13.0
Делится, как продолжать оптимизировать источники доказательств с Jev после получения полного результата от Kooko: извлечь ключевые цитаты из отчёта в четыре элемента — вывод, название и дата источника, URL и текстовый фрагмент — затем отдельно вызвать jev-1.13.0.
拿到 Kooko 交付的完整文件后，怎样继续用 Jev 进行证据源优化？ 我的做法是先从报告中抽取关键引用，每条规整为四项要素：报告结论、来源标题与日期、来源 URL、以及从来源网页中摘出的对应原文摘句。随后单独调用 jev-1.13.0
· 0 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.
