สร้างตัวจำแนกโค้ดเบสด้วย Jev
นักพัฒนแชร์การสร้างตัวจำแนกโค้ดเบสด้วย Jev โดยเสนอว่าอาจแก้ปัญหาโค้ดที่ซับซ้อนเกินไปจากเอเจนต์ และถามว่าควรทดสอบอะไรต่อไป
Jev เก่งในการจำแนกแบบ zero-shot แต่ตัวจำแนกเฉพาะทางจะครองกรณีการใช้งานเชิงพาณิชย์
Josh ตั้งข้อสังเกตว่า Jev ทำงานได้ดีในการจำแนกแบบ zero-shot แต่ตัวจำแนกเฉพาะทางได้เปรียบกว่าในสภาพแวดล้อมเชิงพาณิชย์ เขากล่าวถึง @trycua ที่ปรับแต่งโมเดลขนาดเล็กซึ่งได้คะแนน 99.7% ในการประเมินการกรอกแบบฟอร์ม ขณะที่ Jev ที่โฮสต์ได้ 83.6% และแบ่งปันประสบการณ์การปรับแต่ง GLiNER 2.5 ใน 51 นาที
Jev is great at zero-shot classification, but specialist classifiers will dominate commercial use cases. @trycua tuned a tiny model that scored 99.7% on their form-filling eval. Hosted Jev scored 83.6%. I tuned GLiNER 2.5 on a task in 51 minutes yesterday and it crushes
· 432 likesOpen on X
More like this
Jev ทำให้ LLM-as-a-Judge เร็วขึ้น 20–200 เท่า และถูกลง 40–400 เท่า
Jev ถูกใช้เพื่อเลือกว่าโมเดลใดคือ AGI โดยให้ความเร็ว 20–200 เท่าและต้นทุนต่ำลง 40–400 เท่า ทำให้ LLM-as-a-judge เร็วมากและเกือบฟรี
ทดสอบแอปด้วย TypeSafe Jev และ OpenCode
Filip แชร์เดโมเล็กๆ ที่แสดงความเร็วในการทดสอบแอปด้วย TypeSafe Jev และ OpenCode
