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.
Оптимізація джерел доказів із Jev: вилучення цитат і виклик jev-1.13.0
Ділиться, як після отримання повного результату від Kooko продовжувати оптимізувати джерела доказів із Jev: витягти ключові цитати зі звіту в чотири елементи—висновок, назва та дата джерела, URL і текстовий уривок—а потім окремо викликати jev-1.13.0.
拿到 Kooko 交付的完整文件后，怎样继续用 Jev 进行证据源优化？ 我的做法是先从报告中抽取关键引用，每条规整为四项要素：报告结论、来源标题与日期、来源 URL、以及从来源网页中摘出的对应原文摘句。随后单独调用 jev-1.13.0
· 0 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.
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.
