Створення класифікатора кодової бази з Jev
Розробник ділиться створенням класифікатора кодової бази з Jev, припускаючи, що це може вирішити проблему переускладненого коду від агентів, і запитує, що тестувати далі.
Colibrì представляє режим Brio, натхненний Jev: прогнозування ймовірностей замкнутої множини
Режим Brio у Colibrì, натхненний Jev від TypeSafe, приймає контекст і закритий список відповідей, повертаючи ймовірності та ентропію для кожного варіанта без генерації жодних токенів. Працює на 9 сімействах відкритих моделей на вашому власному обладнанні.
Brio mode in Colibrì Give it context + a closed list of answers. It returns the probability of each choice + entropy (how unsure it is). Zero generated tokens. Inspired by TypeSafe’s Jev — but on 9 open model families, running on your hardware.
· 1 likesOpen on X
More like this
Jev забезпечує LLM-as-a-Judge у 20–200 разів швидше та у 40–400 разів дешевше
Jev використано для вибору моделі AGI, забезпечуючи у 20–200 разів більшу швидкість і у 40–400 разів меншу вартість, роблячи LLM-as-a-judge надзвичайно швидким і майже безкоштовним.
Тестування застосунків із TypeSafe Jev та OpenCode
Filip ділиться невеликим демо, що показує швидкість тестування застосунків із TypeSafe Jev та OpenCode.
