用 Jev 构建代码库分类器
开发者分享用 Jev 构建代码库分类器，认为这可能解决智能体生成过度工程化代码的问题，并询问下一步测试方向。
使用Jev识别AI草稿中的潜在错误
帖子讨论使用AI scribe（如医疗笔记）时去技能化的风险，并介绍Jev模型如何帮助用户洞察草稿可能出错的领域，从而增强验证。
Deskilling is a real risk when it comes to using AI scribes. The drafts often look plausible, which leads users to overly trust without verifying. Models like #Jev could help provide users with better insights onto areas where the draft might be wrong. https://github.com/Stephonomon/scribe-verify…
· 0 次赞在 X 打开
更多类似内容
Jev 以 20–200 倍速度和 40–400 倍低成本实现 LLM 评判
Jev 被用于判断哪个模型是 AGI，速度提升 20–200 倍，成本降低 40–400 倍，可让 LLM-as-a-judge 变得极快且近乎免费。
使用 TypeSafe Jev 与 OpenCode 测试应用
Filip 分享了一个小演示，展示使用 TypeSafe Jev 和 OpenCode 测试应用的速度。
