Xây dựng bộ phân loại cơ sở mã với Jev
Một nhà phát triển chia sẻ việc xây dựng bộ phân loại cơ sở mã với Jev, cho rằng có thể giải quyết mã quá phức tạp do tác nhân tạo ra, và hỏi nên thử nghiệm gì tiếp theo.
LLM2Jev: Biến mọi LLM thành mô hình Jev cục bộ
LLM2Jev mang khung Choice/Score/Noul thống nhất của Jev vào môi trường cục bộ với các mô hình nhân quả HuggingFace sẵn có, không cần tinh chỉnh đám mây hay API thương mại.
💥Awesome! Instantly transform any LLM into a Jev model with a localized decision engine! LLM2Jev brings Jev's unified Choice / Score / Noul framework to your local setup: ready-made HuggingFace causal models, no cloud tuning, no buying commercial APIs. Key Highlights
· 137 likesOpen on X
More like this
Jev cho phép LLM-as-a-Judge nhanh hơn 20–200 lần và rẻ hơn 40–400 lần
Jev được dùng để chọn mô hình nào là AGI, mang lại tốc độ nhanh hơn 20–200 lần và chi phí thấp hơn 40–400 lần, giúp LLM-as-a-judge cực nhanh và gần như miễn phí.
Kiểm thử ứng dụng với TypeSafe Jev & OpenCode
Filip chia sẻ bản demo nhỏ cho thấy tốc độ kiểm thử ứng dụng với TypeSafe Jev và OpenCode.
