สร้างตัวจำแนกโค้ดเบสด้วย Jev
นักพัฒนแชร์การสร้างตัวจำแนกโค้ดเบสด้วย Jev โดยเสนอว่าอาจแก้ปัญหาโค้ดที่ซับซ้อนเกินไปจากเอเจนต์ และถามว่าควรทดสอบอะไรต่อไป
การเรียกแบบคาดเดาต้นทุนต่ำของ Jev ช่วยเพิ่มประสิทธิภาพการตรวจจับเทิร์นใน AI เสียง
Sam Gutentag แชร์: Flux บอกว่าเทิร์นอาจกำลังจะจบก่อนที่จะแน่ใจ; Jev มีต้นทุนต่ำพอสำหรับการเรียกแบบคาดเดา ต่างจาก LLM ที่ต้องรอความแน่นอน
Again with the room quiet, so you can see the part that makes it work. Flux tells me a turn is probably ending before it's sure. With an LLM you'd wait for certainty, because a discarded call still costs you. Jev is cheap enough to spend on a maybe.
· 0 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
