James Long 测试 Jev 从银行原始数据提取收款人描述
James Long 用 Jev 解决个人财务工具中最棘手的问题：从原始银行数据中生成良好的收款人描述，首次尝试即达到约 95% 的完成度，并指出还有多种优化提问方式。
使用 Jev 与微调模型的交易引擎早期纸面结果
分享使用 Jev 与微调模型构建的交易引擎的早期纸面交易结果：375 笔已完成纸面交易、41.1% 胜率、1.5:1 风险回报比、+63 单位风险调整回报、1.38 利润因子。
Well this blew up! Trading with Jev and a fine tuned model Early forward paper results for the trading engine: - 375 completed paper trades - 41.1% win rate - 1.5:1 reward-to-risk - +63 units of risk-adjusted return - 1.38 profit factor The win rate looks modest, but winners
· 459 次赞在 X 打开
更多类似内容
用 Jev 构建链上交易机器人
开发者用 Jev 判断买入或卖出，并借助 Monad 在 Kuru 链上订单簿每 300 毫秒区块执行真实交易。 链接
从 Jev 交易获利后建议捐赠慈善
Erik Spock Gafni 发帖建议从 Jev 交易中获利丰厚的人将部分利润捐给慈善机构。