Додаткові тести лабіринту для Jev
На основі тестової структури @karminski3 автор додає кілька результатів Jev для задач лабіринту та порівнює їх із випадковим блуканням і професійними алгоритмами лабіринту.
THE JEV GUIDE · CURATED EDITION
Новини запусків, пояснення, демо та проєкти спільноти навколо TypeSafe Jev, впорядковані за темами. Кожен запис веде до джерела в X.
Редакційна добірка · Не повний список · Ручне оновлення
01 / EXPLORE
0 means awaiting a verified post
На основі тестової структури @karminski3 автор додає кілька результатів Jev для задач лабіринту та порівнює їх із випадковим блуканням і професійними алгоритмами лабіринту.
Автор використав нову модель Jev від TypeSafe у Skills IL, щоб створити інструмент, який виявляє банківські фішингові повідомлення, отримані через SMS, WhatsApp або електронну пошту. Користувачі можуть вставити підозріле повідомлення для перевірки.
Хтось створив величезну директорію всього, що пов'язано з Jev, включно з навичками, репозиторіями, дописами X/Reddit, ресурсами, сайтами тощо, з фільтрацією за сценаріями використання.
Автор пропонує не вважати значення, що повертає Jev, просто правильними; натомість слід звертати увагу на confidence. Для типу Choice варто додати варіант cannot_tell, щоб уникнути помилкових суджень.
Автор вважає, що Jev не підходить для виявлення ШІ-генерованого контенту, усі детектори ШІ однакові й безглузді, якщо точність не перевищує 90%, і рекомендує інший API. Link
Автор спробував змусити Jev розв'язати судоку, зазначивши складність промпту, але швидку роботу, і згадав, що LLM вважаються такими, що погано справляються із судоку.
Автор каже, що Jev 1.13 може замінити великі мовні моделі в деяких завданнях.
Раджешсам зазначає, що імпульс ШІ, схоже, повертається до традиційної науки про дані з класифікаторами System 1 (наприклад, Jev). Він стверджує, що типізовані структуровані відповіді та детерміновані міркування в Python через хуки кращі, ніж дозволяти моделі вгадувати потік керування; залиште неоднозначність на межі введення.
Повторний запуск спільнотою показує, що Jev і GPT-5.4 статистично не відрізняються (різниця 3,3 пункту), при цьому Jev коштує приблизно в 50 разів менше. Link
Розробник Tal Saiag ділиться патерном Jev: кожен виклик навмисно залишає невеликий стан лише для наступного виклику Jev, названий 'Jev carry state'.
Користувач ділиться висновками з експерименту з Jev: вимагає явних промптів, як старі моделі рівня GPT-4, дуже дешевий, і налаштовував його близько 8 годин з Astra.
Wildan твітить, що настав час Claude використати Jev від TypeSafe AI.