แข่งลิงก์ Wikipedia: เลือกจากตัวเลือกนับพัน
โมเดลเลือกขั้นตอนถัดไปจากลิงก์หลายร้อยถึงหลายพันรายการ แสดงการตัดสินใจเร็วด้วยเอาต์พุตที่มีข้อจำกัด โพสต์มีวิดีโอ 4:04
จัดทำดัชนีคลังสไตล์ศิลปะ Katagami ด้วย Jev เพื่อการโต้ตอบผ่าน MCP
ผู้เขียนใช้ Jev จัดทำดัชนีคลังสไตล์ศิลปะและภาษาการออกแบบ Katagami ทั้งหมด ทำให้มนุษย์และเอเจนต์สามารถสอบถามแบบโต้ตอบและชาญฉลาดผ่าน MCP โดยวิเคราะห์ลักษณะและให้คะแนนความเหมาะสมภายในประมาณ 1 วินาที
I used Jev to index the entire Katagami library of art styles and design languages, and make the experience for both humans and agents (via MCP) interactive and intelligent - you ask, Jev reads your ask into traits and scores candidates for fit (~1s). This was not possible with
· 4 likesOpen on X
More like this
กรณีการใช้งานการสืบค้นเชิงความหมายกับ Jev และ TypeSafe AI
Nathan LeClaire แบ่งปันกรณีการใช้งานการสืบค้นเชิงความหมายสำหรับ Jev และ TypeSafe AI โดยระบุว่าผู้คนเพิ่งจะสัมผัสเพียงผิวเผิน
สร้างมาตรวัด BS แบบเรียลไทม์สำหรับการดีเบตทรัมป์กับคามาลาด้วย Jev
ผู้เขียนใช้ Jev วัด BS แบบเรียลไทม์ในทุกประโยคของการดีเบตทรัมป์กับคามาลา โดยถามคำถามใช่/ไม่ใช่ 5 ข้อต่อผู้สมัครแต่ละคน รวม 1,191 ครั้งที่เรียก Jev 1.18 ล้านโทเคน ความหน่วงมัธยฐาน 415 มิลลิวินาที และค่าใช้จ่ายรวม $0.0497
