แข่งลิงก์ Wikipedia: เลือกจากตัวเลือกนับพัน
โมเดลเลือกขั้นตอนถัดไปจากลิงก์หลายร้อยถึงหลายพันรายการ แสดงการตัดสินใจเร็วด้วยเอาต์พุตที่มีข้อจำกัด โพสต์มีวิดีโอ 4:04
กรณีการใช้งานการสืบค้นเชิงความหมายกับ Jev และ TypeSafe AI
Nathan LeClaire แบ่งปันกรณีการใช้งานการสืบค้นเชิงความหมายสำหรับ Jev และ TypeSafe AI โดยระบุว่าผู้คนเพิ่งจะสัมผัสเพียงผิวเผิน
People have only scratched the surface of what's possible with Jev and @typesafeai This cookbook shows one use case I'm excited about - semantic querying. Think about how much junk you have to try and extract signal from all the time in so many areas. Now you can intelligently
· 523 likesOpen on X
More like this
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
การจำแนกข้อความด้วย Jev: ถูกกว่า Pangram 6000 เท่า
ผู้ใช้สาธิต Jev ของ TypeSafe สำหรับการจำแนกข้อความด้วย AI โดยอ้างว่าใกล้เคียงกับ Pangram แต่ถูกกว่า 6000 เท่าและเร็วกว่า 5-10 เท่า ทดสอบกับเรียงความของ Paul Graham Link
