สร้างตัวจำแนกโค้ดเบสด้วย Jev
นักพัฒนแชร์การสร้างตัวจำแนกโค้ดเบสด้วย Jev โดยเสนอว่าอาจแก้ปัญหาโค้ดที่ซับซ้อนเกินไปจากเอเจนต์ และถามว่าควรทดสอบอะไรต่อไป
โมเดล Jev ของ TypeSafe ถูกผสานรวมอย่างรวดเร็วโดยบริษัทเครื่องมือ开发者
ตามรายงานของ AI Matters โมเดล Jev ของ TypeSafe มีความแม่นยำ (67.8%) ต่ำกว่าโมเดลระดับบน แต่ตอบสนองใน 0.4 วินาทีและต้นทุนเพียงเศษเสี้ยว (1/10 ถึง 1/100) เอาต์พุตเป็นความน่าจะเป็นของคำตอบที่ถูกต้องแทนประโยค สี่บริษัทรวมถึง Vercel ผสานรวมภายในสามวัน ยังไม่มีการตรวจสอบภายนอก
정확도는 상위 모델보다 낮은데, 개발 도구 업체들이 앞다퉈 붙인 모델 Jev. · 버셀 등 4곳이 사흘 내 통합 · 문장 대신 답과 맞을 확률만 출력 · 응답 0.4초, 비용은 수십~수백 분의 1 · 정확도 67.8% 외부 검증 자료는 아직 없습니다. #TypeSafe #Jev 원문은 아래에 ↓
· 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
