THE JEV GUIDE · CURATED EDITION
ข่าวเปิดตัว คำอธิบาย เดโม และโปรเจกต์ชุมชนเกี่ยวกับ TypeSafe Jev จัดตามหัวข้อ แต่ละรายการลิงก์กลับไปยังโพสต์ต้นทางบน X
คัดสรรโดยทีม · ไม่ครบทั้งหมด · อัปเดตด้วยมือ
01 / EXPLORE
0 means awaiting a verified post
มีรายงานว่าศาสตราจารย์จากสแตนฟอร์ดใช้ JEV เพื่อสร้างระบบวิทยาศาสตร์ข้อมูลที่ประมวลผลข้อมูล 40 พันล้านจุดทุก 15 นาทีเพื่อตัดสินใจว่าผลลัพธ์ใดควรค่าแก่การตรวจสอบ เวอร์ชันแรกต้องพึ่งพา LLM อย่างมากในการตีความทุกอย่าง
Eric Mao ประหลาดใจที่ Jev ยังไม่ได้รับความสำคัญมากพอสำหรับข้อมูลแบบตาราง คิดว่าทุกบริษัทสเปรดชีต AI ควรสร้างผลิตภัณฑ์ใหม่ด้วย Jev และกล่าวถึงการประมวลผล 100k แถว
ผู้เขียนทดสอบโมเดล Jev ใหม่ของ Vercel AI Gateway เทียบกับ gpt-5.4-mini บนรีวิวโรงแรมจริง 3,000 รายการ (39 ภาษา) ให้คะแนน KPI ประสบการณ์แขก 5 รายการต่อรีวิว
ผู้เขียนทดสอบ Jev สำหรับการตรวจสอบ CoT บนร่องรอยความคิด 2,200 รายการ รายงานว่าเอาชนะ Sonnet 5 ในการจำแนกและเร็วกว่า Luna 3.7 เท่า และเร็วกว่า Sonnet 6 เท่า
นักพัฒนาสร้างแผนที่กล่องข้อความ Instagram และ WhatsApp โอเพนซอร์สด้วย Chatfuel SDK แล้วให้ Jev วิเคราะห์ 20,000 ข้อความเพื่อหาคำถาม ข้อโต้แย้ง และเจตนาซื้อ ด้วยต้นทุน ~$0.0025
Jev อ่านข้อมูล 14 วันล่าสุดของ 102 บัญชี AI และจัดอันดับ @Av1dlive ที่ 24 โดยสูตรไม่นับจำนวนผู้ติดตาม เปรียบเทียบเฉพาะการเข้าถึงในกลุ่มเดียวกัน
ผู้เขียนลองใช้ Jev จำแนกชุดข้อมูลจุดพิกัดที่มีป้ายกำกับแทน k-means ได้ความแม่นยำสูง ผิดพลาดเฉพาะกรณีขอบเขต มองเห็นศักยภาพสำหรับการใช้งานแบบ zero-shot
ผู้เขียนใช้เวลาหนึ่งสัปดาห์วัด Jev: 18,000 การตัดสินบนสเปก HTTP ฉบับเต็มด้วยค่าใช้จ่าย 8 เซนต์ จากนั้นติดป้าย 59 ประโยคด้วยมือเพื่อตรวจสอบว่าความน่าจะเป็นมีความหมายหรือไม่ ทุกช่วงต่ำกว่าที่คาดการณ์ไว้
ผู้เขียนแบ่งปันการใช้งาน Jev ครั้งแรก: ส่ง 33,411 คู่เพื่อตัดสินว่าเป็นเหตุการณ์เดียวกันหรือไม่ โดยใช้ความน่าจะเป็นที่ส่งกลับเป็นเกณฑ์—ต่ำกว่า 0.3 ต่างกัน, 0.3–0.7 ส่งให้ LLM ตัดสิน, สูงกว่า 0.7 เหมือนกัน—และรายงานว่าใช้เวลาราวครึ่งหนึ่ง
Databend เชื่อมต่อ Jev เข้ากับเซิร์ฟเวอร์ Python UDF เพื่อให้ SQL สามารถกรอง จำแนก และจัดอันดับบันทึกข้อเสนอแนะของลูกค้าโดยใช้ความน่าจะเป็นของโมเดล: Databend รันคิวรี Jev ตัดสินใจแบบมีขอบเขต Link
การจับคู่โมเดล Jev ใหม่กับ DuckDB แสดงศักยภาพในการตอบคำถามเชิงวิเคราะห์แบบครั้งเดียวและคืนค่าความน่าจะเป็นคล้ายตัวจำแนกประเภท
Nathan LeClaire เสนอว่าความสามารถของ Jev ในการรันการประเมินจำนวนมากอย่างรวดเร็วและพร้อมกันนั้นช่วยให้สามารถแยกส่วน กลายพันธุ์ และทดลองกับอินพุตพร้อมจัดเก็บผลลัพธ์เชิงตัวเลข ซึ่งอาจเปิดทางสู่การวิเคราะห์นัยสำคัญ