Fatih Yildiz กล่าวว่า Jev ของ TypeSafe AI ดูมีแนวโน้มดีสำหรับกรณีการใช้งานโมเดลการตัดสินใจด้าน observability โดยชี้ว่าความหน่วงสะสมเมื่อใช้โมเดล frontier ที่ edge_delta สำหรับการให้คะแนนลำดับความสำคัญด้านปฏิบัติการและการกำหนดเส้นทางเหตุการณ์ และกำลังทดสอบ Jev
#Jev from @typesafeai looks very promising for Observability Decision Model use cases. At @edge_delta , we use frontier models for operational priority scoring, routing events, identifying recurring issues, and similar decisions. Latency adds up. I tested Jev on our
ผู้เขียนทดสอบ Jev กับชุดข้อมูลอีเมลธุรกิจภาษาเยอรมันและอังกฤษจำนวน 1,565 ฉบับจากซัพพลายเออร์อุตสาหกรรมใน 10 หมวดหมู่ พบว่ามีความแม่นยำน้อยกว่า Gemini แต่ให้ความสนใจกับจุดที่เกิดข้อผิดพลาด และยังคงวางแผนนำไปใช้งานจริง
Aaron Levie กล่าวว่า Jev ช่วยให้เอเจนต์ตัดสินใจได้อย่างรวดเร็วในเวิร์กโฟลว์ การจำแนกข้อมูล และการตัดสินใจ พร้อมเดโม Box และ Jev ที่ดึงรายงานเหตุการณ์จาก Box
ผู้ใช้แชร์ว่า JEV ประมวลผลข้อมูลสัมภาษณ์สมมติ 100 นาที: จัดประเภท Pass/Hold/Pass ให้คะแนนทักษะ การสื่อสาร และแรงจูงใจ ตรวจจับช่วงที่มีข้อกังวลสำคัญใน 12.8 วินาที ด้วยต้นทุน 0.005 ดอลลาร์
