Course de liens Wikipédia : choisir parmi des milliers d’options
Le modèle choisit l’étape suivante parmi des centaines ou milliers de liens, montrant des décisions rapides avec sorties contraintes. Le post contient une vidéo de 4 min 04.
Jev joue le rôle de juge dans le flux de recherche Milvus
Milvus récupère des passages candidats via la recherche vectorielle et des filtres de métadonnées, puis Jev juge s'ils aident réellement la tâche, illustrant l'adéquation de ce modèle orienté décision pour la recherche.
Jev is built to decide, not to chat. That makes it a surprisingly good fit for search. Milvus first retrieves candidate passages with vector search and metadata filters. Jev then looks at those passages and judges whether they actually help with the task. In practice, the flow
· 0 likesOpen on X
More like this
Cas d'usage de requête sémantique avec Jev et TypeSafe AI
Nathan LeClaire partage un cas d'usage de requête sémantique pour Jev et TypeSafe AI, notant qu'on n'a fait qu'effleurer la surface.
Créer un détecteur de BS en direct pour le débat Trump vs Kamala avec Jev
L'auteur a utilisé Jev pour exécuter un détecteur de BS en direct sur chaque phrase du débat Trump vs Kamala, avec 5 questions oui/non par candidat, totalisant 1 191 appels Jev, 1,18 M de tokens, 415 ms de latence médiane et un coût total de 0,0497 $.
