위키백과 링크 레이스: 수천 개 선택지 중 고르기
모델이 수백에서 수천 개 링크 중 다음 단계를 선택하며, 제약된 출력에서 빠른 의사결정을 게임 방식으로 보여줍니다. 게시물에는 4분 04초 영상이 있습니다.
Jev + RAG: 리랭커를 넘어서는 의사결정 레이어
이 게시물은 Jev(TypeSafe의 모델)와 RAG를 결합하면 표준 리랭커가 부족한 의사결정 레이어가 추가된다고 논의합니다. 임베딩 유사성과 기존 리랭커는 주제 근접성만 최적화할 뿐, 구절에 실제로 사용 가능한 증거가 포함되어 있는지 판단하지 않는다고 지적합니다.
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
Jev와 TypeSafe AI의 시맨틱 쿼리 사용 사례
Nathan LeClaire가 Jev와 TypeSafe AI의 시맨틱 쿼리 사용 사례를 공유하며 아직 표면만 긁은 수준이라고 언급한다.
Jev로 트럼프 대 해리스 토론 실시간 BS 미터 구축
작성자는 Jev를 사용해 트럼프 대 해리스 토론의 모든 문장에 실시간 BS 미터를 적용했습니다. 각 후보에게 5개의 예/아니오 질문을 했고, 총 1,191회 Jev 호출, 118만 토큰, 중앙값 415ms, 총 비용 $0.0497입니다.
