Перегони посилань Wikipedia: вибір серед тисяч варіантів
Модель обирає наступний крок із сотень або тисяч посилань, демонструючи швидкі рішення з обмеженим виводом. У пості є відео 4:04.
Створення live-детектора BS для дебатів Трампа та Гарріс за допомогою Jev
Автор використав Jev для запуску live-детектора BS на кожному реченні дебатів Трампа та Гарріс, по 5 питань так/ні кожному кандидату, загалом 1 191 виклик Jev, 1,18 млн токенів, медіанна затримка 415 мс і загальна вартість $0,0497.
🚨 I gave the Trump vs Kamala debate a live BS meter using Jev every sentence, both candidates, 5 yes/no questions each 1,191 Jev calls / 1.18M tokens / 415 ms median total cost : $0.0497 same questions for both, clips picked by one fixed rule, not a fact-check
· 1,4 тис. likesOpen on X
More like this
Приклад семантичного запиту з Jev і TypeSafe AI
Нейтан ЛеКлер ділиться прикладом семантичного запиту для Jev і TypeSafe AI, зазначаючи, що можливості лише починають розкриватися.
Класифікація тексту з Jev: у 6000 разів дешевше за Pangram
Користувач демонструє Jev від TypeSafe для класифікації тексту ШІ, стверджуючи, що він близький до Pangram, але в 6000 разів дешевший і в 5-10 разів швидший, протестований на есеї Пола Грема. Link
