ホーム / データと運用
データと運用
21 件
このページは英語版リストから生成しています。
こんなときに役立ちます: 出力の検証
5jlink
平易な英語で書いたマッチルールから 2 つのデータセット間のレコードを Python、シェル、Stata、R のいずれかから突き合わせ、NBER の特許譲受人と Compustat の対応では調整済みの文字列マッチの F1 0.69 に対し 0.73 を報告しています。
jevgraph
PDF、DOCX、PPTX、テキストをローカルで解析し、候補となるエンティティの組ごとに閉じた選択肢の関係質問を Jev に投げ、辺ごとの確率とページ証拠を持つグラフを JSON、CSV、Neo4j に書き出します。
こんなときに役立ちます: プレイグラウンドとデモ
5tax-doc-classifier
1 ページにつき 1 リクエストで 261 種類の IRS フォームと 7 種類のページ種別から選び、自前のコーパスで 100 パーセント、1 ページ $0.001 と、置き換え前の LLM パイプラインより 34 倍安いと報告しています。
invalidate
保存されたエージェントの記憶それぞれにリースを与え、新しい証拠がそれを終わらせるかどうかを Jev に尋ねる仕組みで、[ライブデモ](https://invalidate-playground.vercel.app)があります。
こんなときに役立ちます: 分類と抽出
4jev-for-engineers
機械工学と電気工学からの 8 つの小さな例で、CAD の配線、FEM のトリアージ、DFM のスクリーニング、BOM の突き合わせを扱います。
jev-ultralightspeed
32 件を 1 リクエストにまとめて一括分類し、最も確信度の低い行を人に回す閾値を較正します。毎秒 533 件、人手ラベルとの一致率 89.2 パーセントと報告しています。
JevSpan
Zero-shot named entity recognition for Chinese and English: code proposes candidate spans at punctuation and Jev choice questions nominate, verify, and fix the boundary of each entity; reports 73.7 average strict F1 on 12 NER benchmarks against 72.1 for Qwen3.8-27B.
こんなときに役立ちます: データパイプラインと SQL
4sqlite-jev
ロード可能な C 拡張と Python ラッパーを通じて SQLite に Jev の Noul、Choice、Score の判定を追加し、スカラー関数とバッチ化された仮想テーブルのクエリを備えます。
こんなときに役立ちます: コマンドラインツール
1jev-seo by AgriciDaniel
サイトをクロールして 52 の SEO ルールで検査し、Jev が各ページを判定して、PDF、スプレッドシート、Markdown のレポートを書き出します。
こんなときに役立ちます: コンテキストの圧縮
1jev-mode
型付き判断モデル上でのチケットのトリアージとファイルのタグ付けで、トークンが 78 パーセント少なく、ベースラインの 93.7 パーセントに対して 96.1 パーセントの精度を報告しています。