สร้างตัวจำแนกโค้ดเบสด้วย Jev
นักพัฒนแชร์การสร้างตัวจำแนกโค้ดเบสด้วย Jev โดยเสนอว่าอาจแก้ปัญหาโค้ดที่ซับซ้อนเกินไปจากเอเจนต์ และถามว่าควรทดสอบอะไรต่อไป
TypeLLM รองรับเอาต์พุตตัวเลขแบบเนทีฟ ช่วยเติมเต็มข้อจำกัดของโมเดล Jev
TypeLLM สามารถสร้างจำนวนเต็มและจำนวนทศนิยมแบบมีข้อจำกัดได้โดยตรง โดยยังคงความปลอดภัยของชนิดข้อมูล ซึ่งเป็นความสามารถที่โมเดล Jev ของ TypeSafe และโมเดล fine-tuned อื่นๆ ไม่สามารถรองรับได้ง่าย
Something Jev from @typesafeai — and other similar fine-tuned Jev models — can’t easily support: native numerical outputs. TypeLLM can directly generate constrained integers and floats, while remaining type-safe.
· 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
