Wikipediaリンクレース：数千の選択肢から選ぶデモ
モデルが数百から数千のリンクから次の一手を選び、制約付き出力での高速な意思決定をゲーム形式で示します。元投稿には4分04秒の動画があります。
Jev + RAG：リランカーを超える意思決定レイヤー
この投稿は、Jev（TypeSafeのモデル）とRAGの組み合わせが、標準的なリランカーには欠けている意思決定レイヤーを追加するという内容です。埋め込み類似度や従来のリランカーはトピックの近さを最適化するだけで、パッセージが実際に使える証拠を含むかどうかを判断しないと指摘しています。
Jev + RAG adds a decision layer that standard rerankers lack. 🔍 @_avichawla’s breakdown shows the core issue: embedding similarity and conventional rerankers optimize for topical closeness, not whether a passage actually contains usable evidence. 📄 Jev (TypeSafe’s
· 3 likesOpen on X
More like this
JevとTypeSafe AIによるセマンティッククエリのユースケース
Nathan LeClaire氏がJevとTypeSafe AIのセマンティッククエリのユースケースを紹介し、可能性はまだ表面に過ぎないと述べる。
Jevでトランプ対ハリス討論のライブBSメーターを構築
著者はJevを使い、トランプ対ハリス討論の全発言にライブBSメーターを適用。両候補に各5つのはい/いいえ質問を行い、合計1,191回のJev呼び出し、118万トークン、中央値415ms、総コスト0.0497ドル。
