James Long 测试 Jev 从银行原始数据提取收款人描述
James Long 用 Jev 解决个人财务工具中最棘手的问题：从原始银行数据中生成良好的收款人描述，首次尝试即达到约 95% 的完成度，并指出还有多种优化提问方式。
Jev AI 评估 X 平台股票预测者：无人明显胜过运气
作者使用 TypeSafe 的 Jev 模型阅读了 90,856 条帖子（1.41 亿 tokens），对 8,000 个预测进行实盘价格比对，并测试了 659 个账号的 skill vs luck。结论是找不到一个能清晰打败运气的股票预测者。
I tried to find the best stock callers on X using AI. I read 90,856 posts (141M tokens), graded 8,000 calls against real prices, and tested 659 accounts for skill vs luck. I couldn't find a single one that clearly beat luck. How it works: An AI model (Jev by @typesafeai) read
· 2 次赞在 X 打开
更多类似内容
用 Jev 构建链上交易机器人
开发者用 Jev 判断买入或卖出，并借助 Monad 在 Kuru 链上订单簿每 300 毫秒区块执行真实交易。 链接
从 Jev 交易获利后建议捐赠慈善
Erik Spock Gafni 发帖建议从 Jev 交易中获利丰厚的人将部分利润捐给慈善机构。