Jev 使用心得：不让 AI 写文本，处理咨询更清晰
作者分享使用 Jev 的体会：起初觉得棘手，但把它理解为“不让 AI 写文本”后就豁然开朗。以处理咨询为例，传统做法是把整段内容丢给 GPT 或 Claude 分析，而 Jev 的思路不同。
使用Open-Jev 27B模型标注Banking77数据集
作者使用Open-Jev 27B模型一次性标注了Banking77数据集中的7,999条消息，两个学生模型从这些标签中学习，并保留1,000条人工答案作为评估基准。
The setup is pretty simple. Banking77 is a dataset where you need to route a support message to one of 77 different intents. I used the @Zefan_Cai Open-Jev 27B model to label 7,999 messages once. The two students learn from these labels. Then I kept 1000 human answers out of the
· 0 次赞在 X 打开
更多类似内容
基于 Jev 的实时客服原型
该原型利用 AI 根据光标来回移动或点击前的停留来估计客户的犹豫或兴趣，观察客户状态并补充说明或建议比较。
基于 Jev 与 gpt-live-1 的电商实时客服演示
作者使用 Jev 和 gpt-live-1 构建了电商实时客服演示，能在对话中根据用户语音即时推荐商品，带来出色的体验。
