Yazar bir Jev uygulama deneyimi paylaşıyor: metni parçalara ayırıp çok sayıda Jev yargısıyla farklı kısaltma desenlerini değerlendirerek okunabilirlik ile bilgi kaybı arasında denge kurup metni sıkıştırmak ve LLM tekrarını azaltmak.
Jevの応用実験で文章を圧縮してLLMの冗長さを省く実験やってみた。パーツごとに分解していろんな削りパターンを判定し、読みやすさと情報の欠損のバランスをとっていくのを大量のJev判定でやっていく
Malte Ubl, TypeSafe AI'ın Jev'ini mevcut bir sınıflandırıcı değerlendirmesinde çalıştırdı; kalitede değerlendirmeyi doyurdu ve Gemini 2.5 Flash Lite'tan 6 kat hızlıydı.
Yazar, TypeSafe AI'nin Jev'ini kullanarak CSV/Parquet dosyalarındaki veya DuckDB tablolarındaki satırları hızlıca sınıflandıran bir DuckDB eklentisi yayınladı; 1k satır için yaklaşık 10 saniye—LLM'den hızlı ve sınıflandırıcıdan daha kullanışlı.
Yazar her makaleyi DeepSeek V4 Flash ile özetledi, ardından başlık, özet ve 24 olası konuyu sınıflandırma için Jev'e gönderdi. 1.018 AI makalesi toplam 0,08 $ maliyet ve makale başına medyan 256ms uçtan uca gecikmeyle işlendi.
