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.
TypeLLM hỗ trợ đầu ra số nguyên gốc, bù đắp hạn chế của mô hình Jev
TypeLLM có thể trực tiếp tạo ra số nguyên và số thực có ràng buộc trong khi vẫn đảm bảo an toàn kiểu dữ liệu, một khả năng mà các mô hình Jev của TypeSafe và các mô hình fine-tuned tương tự khó hỗ trợ.
Something Jev from @typesafeai — and other similar fine-tuned Jev models — can’t easily support: native numerical outputs. TypeLLM can directly generate constrained integers and floats, while remaining type-safe.
· 0 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.
