สร้างตัวจำแนกโค้ดเบสด้วย Jev
นักพัฒนแชร์การสร้างตัวจำแนกโค้ดเบสด้วย Jev โดยเสนอว่าอาจแก้ปัญหาโค้ดที่ซับซ้อนเกินไปจากเอเจนต์ และถามว่าควรทดสอบอะไรต่อไป
ใช้ Jev เพื่อระบุข้อผิดพลาดที่อาจเกิดขึ้นในร่าง AI
กล่าวถึงความเสี่ยงของการลดทักษะเมื่อใช้เครื่องบันทึก AI และวิธีที่โมเดล Jev สามารถช่วยให้ผู้ใช้เข้าใจจุดที่ร่างอาจผิดพลาด ซึ่งช่วยปรับปรุงการตรวจสอบ
Deskilling is a real risk when it comes to using AI scribes. The drafts often look plausible, which leads users to overly trust without verifying. Models like #Jev could help provide users with better insights onto areas where the draft might be wrong. https://github.com/Stephonomon/scribe-verify…
· 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
