清华提出Jev-LDE：ICL示例只改一次，1-shot平均准确率就能暴涨（在新窗口打开）
大模型做 In-Context Learning（ICL，上下文学习）时，通常会先从示例库里检索若干 demonstration，再把这些示例和当前问题一起放进 prompt。
搜索
关于“Jev”的结果
共 36 篇
你的 Codex 额度有救了，你甚至可以接入JEV来玩红警（在新窗口打开）
上周发了折腾 WebCodex 的文章《把ChatGPT几乎无限的网页额度当Codex用》，文章下面，就有小伙伴接着问：能不能让不同的模型，去干不同的活？
本地版Jev 1G内存就能跑！四舍五入等于不要钱啊（在新窗口打开）
开发者mizorewww将开源决策模型Laya移植到Apple MLX框架，推出本地版Laya-MLX，可在Apple Silicon Mac上以低于1GB内存运行并摆脱PyTorch与云端API依赖，421M版本峰值内存943.6MiB、322M多语言版本687.6MiB。
千问办公押注的企业上下文，是 Agent 时代的组织语言（在新窗口打开）
在大模型在拼命刷 Benchmark 卷编程的时候，「不能说话」的 Jev 却意外成了 AI 圈的新顶流，究其原因，大模型应用的价值正在从「生成什么」，进一步延伸到「能否理解复杂信息，并据此做出可靠判断」。
这个只会做选择题的Jev，却是今年我看到的最特别的大模型。（在新窗口打开）
这两天，如果说最火的大模型是什么，那可能只有一个名字。
AI跌价900倍，连一瓶矿泉水都比它贵！（在新窗口打开）
过去一年，AI模型的价格暴跌百倍！同样一句话，去年要10块，现在只要几分钱。可与此同时，家政、育儿、心理咨询、维修.....这些「手工活」越来越贵。科技正在疯狂通缩，生活却越来越通胀。这不是经济学笑话，而是Jevons与Baumol共同制造的现实：当机器更聪明，人工就更昂贵。