用 Jev 分类模型逐步选择合法 token 编写 C++
作者用 TypeSafe 的 Jev 决策/分类模型做实验：每步只提供语法合法的候选 token，让模型选择，从而生成 C++ 代码。
Jev 模型在代码库检查中大幅优于 GPT Luna 6
Tessl 在自家生产代码上运行约 2,725 项 verifier 检查：GPT Luna 6 耗时 436 秒，Jev 仅 32 秒，且成本低 2.7 倍。两个模型在 85.9% 的决策上一致，方法和命令已公开。
What if your review rules ran across your whole codebase in 32 seconds? We ran about 2,725 verifier checks on our own production code. GPT Luna 6: 436s. Jev: 32s, at 2.7x lower cost. The two judges agreed on 85.9% of decisions. Method and commands: https://tessl.io/blog/jev-is-136x-faster-and-27x-cheaper-than-gpt-luna-6-for-tessl-verifiers-try-it-yourself…
· 0 次赞在 X 打开
更多类似内容
Jev 用于代码审查
作者认为代码审查是 Jev 的一个很好的应用场景。
基于 Jev 的 PR 分诊工具 Fascin
开发者分享用 Jev 构建的 PR 分诊工具 Fascin，可判断 PR 紧急程度、变更类型和合并就绪度，并指出 Jev 负责实际推理。
