Fund einreichen
English
한국어
日本語
Español
Français
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Tiếng Việt
Türkçe
Polski
Русский
Zurück zum LaborJEVLAB / FIELD NOTES
Frisch aus dem Labor
Eine datierte Leseliste neu hinzugefügter Ressourcen und JEVLAB NEWS. Kommen Sie zurück, um zu sehen, was sich geändert hat, oder folgen Sie dem RSS-Feed in Ihrem eigenen Reader.
Merken Sie sich diesen Besuch in diesem Browser, um beim nächsten Mal neue Ergänzungen hervorzuheben. Keine Anmeldung oder geräteübergreifende Nachverfolgung.
Die Daten zeigen, wann ein Element in JEVLAB verfügbar wurde, in UTC, nicht wann seine ursprüngliche Quelle veröffentlicht wurde. Reine Übersetzungsänderungen zählen nicht als neue Ressourcen.
15
Interaktive Lernfunktionen für NotebookLM
Google hat neue interaktive Lernübersichten für alle NotebookLM-Nutzer eingeführt. Das Tool entwickelt sich zunehmend von einer reinen Dokumentenverwaltung zu einer umfassenden persönlichen Lernumgebung.
threads.comMögliche Neuerungen bei ChatGPT
Choi berichtet von einem Reset bei ChatGPT und deutet auf bevorstehende große Ankündigungen hin. Nutzer spekulieren über signifikante Updates, die in Kürze für die Plattform erwartet werden.
threads.comHalo-Framework für KI-Modelltraining veröffentlicht
White Circle hat Halo vorgestellt, ein Framework zur Optimierung des Post-Trainings von Open-Source-KI-Modellen. Es verspricht eine höhere Effizienz bei der Feinabstimmung und vereinfacht die Konfiguration durch eine einheitliche YAML-Struktur.
threads.comClaude-Abonnement-Integration für Hermes Agent
Hermes Agent ermöglicht wieder die Nutzung von Claude-Abonnements durch ein neues offizielles Plugin, das das Claude-SDK direkt anspricht. Diese Lösung umgeht frühere Einschränkungen von Anthropic, indem sie die offizielle CLI-Schnittstelle für Anfragen verwendet.
threads.comtypesafe-sdk-ruby
Dieses von der Community gepflegte Ruby-SDK bietet eine Schnittstelle zur TypeSafe AI-API. Es ermöglicht Entwicklern die strukturierte Datenklassifizierung und das Routing durch die Definition typisierter Fragen sowie die Verwaltung von Wiederholungsversuchen und API-Fehlern in Ruby-Anwendungen.
github.comUnitree stellt Roboterhand Dex5-S vor
Unitree hat die Dex5-S präsentiert, eine kompakte Roboterhand mit 22 Freiheitsgraden. Diese Entwicklung soll Robotern eine präzisere Handhabung von Werkzeugen ermöglichen und ist ab 6.500 Dollar erhältlich.
threads.comMeta plant transatlantisches Petabit-Seekabel
Meta hat mit Petal ein neues Seekabel angekündigt, das Daten mit einer Geschwindigkeit von einem Petabit pro Sekunde übertragen soll. Diese Entwicklung verdeutlicht, wie der Wettbewerb im KI-Sektor zunehmend die physische Netzwerkinfrastruktur zwischen Kontinenten in den Fokus rückt.
threads.compi-jev-sentinel
Dieses Tool fungiert als Sicherheitswächter für Coding-Agenten, indem es Tool-Aufrufe, Ausgaben und Antworten mithilfe von Jev bewertet. Es unterstützt die Erkennung von Prompt-Injections, das Bereinigen von Geheimnissen und das Anheften von Aufgaben, um sicherere Interaktionen mit Agenten zu gewährleisten.
github.comTypeSafeAI
TypeSafeAI ist ein .NET-SDK für TypeSafe AI System One. Es bietet eine ergonomische, typisierte API mit NativeAOT-Unterstützung und ermöglicht Batch-Verarbeitung sowie die Integration in Microsoft.Extensions.AI für Routing- und Bewertungsaufgaben.
github.comjevtest Emotionaler Lügendetektor
Dieses Tool demonstriert TypeSafe Jev-Modelle durch die Analyse emotionaler Subtexte in Echtzeit. Es vergleicht die probabilistische Klassifizierung von Jev mit Standard-LLMs und zeigt, wie Jev strukturierte Konfidenzwerte liefert und potenzielle Vorteile bei Latenz und Kosten für spezifische Entscheidungsaufgaben bietet.
github.comjev-lint
jev-lint ist ein Werkzeug, das den Jev-Klassifikator nutzt, um logische Inkonsistenzen zwischen Code und Dokumentation zu identifizieren. Es kombiniert ast-grep-Matcher mit natürlichsprachlichen Abfragen, um Probleme wie irreführende Kommentare, Namenskonflikte und versteckte Fehlerpfade aufzudecken.
github.comJev mit Coding-Agenten
Diese Ressource stellt klar, dass Jev ein System-One-Modell für strukturierte Entscheidungsfindung ist und kein textgenerierendes LLM. Sie zeigt Entwicklern, wie sie Jev neben Coding-Agenten für Aufgaben wie Klassifizierung, Bewertung und Routing einsetzen können.
docs.typesafe.aiTerence Tao über KI in der Wissenschaft
Der Mathematiker Terence Tao kritisiert, dass KI-Unternehmen zu viele ungeprüfte Ergebnisse produzieren, ohne verständliche Erklärungen zu liefern. Er fordert eine Abkehr von reiner Benchmark-Optimierung hin zu nachvollziehbaren wissenschaftlichen Erkenntnissen.
threads.comXiaomi veröffentlicht MiMo-V2.6
Xiaomi hat die multimodalen Modelle MiMo-V2.6 Pro und Flash veröffentlicht, die bei offenen Modellen neue Maßstäbe setzen. Neben den Modellen wurden auch Trainings-Frameworks und Umgebungen für das bestärkende Lernen bereitgestellt.
threads.comOpenAI erzielt Fortschritte in der Mathematik
OpenAI gab bekannt, dass ein neues internes Modell über 100 ungelöste mathematische Probleme gelöst hat. Der Erfolg basiert auf einer Multi-Agenten-Strategie und massiver Verstärkung des Lernprozesses.
threads.com
21
Beschleunigte KI-Entwicklung
Choi stellt fest, dass die KI-Entwicklung nicht linear verläuft und bisherige Prognosen der Forscher weit übertrifft. Da KI zunehmend zur eigenen Optimierung eingesetzt wird, rückt das Szenario einer technologischen Singularität in greifbare Nähe.
threads.comjev-mcp
Dieser MCP-Server integriert TypeSafe Jev-Modelle in KI-Agenten und liefert strukturierte Ausgaben wie Ja/Nein-Entscheidungen, Multiple-Choice-Auswahlen und rubrikbasierte Bewertungen. Er ermöglicht es Agenten, direkte und typisierte Datenbewertungen innerhalb ihrer Arbeitsabläufe durchzuführen.
github.comspring-ai-typesafe
Dieses Java-SDK integriert die JEV-API von TypeSafe AI mit Spring AI. Es bietet strukturierte Entscheidungs-Primitive wie Noul, Choice und Score, die es ermöglichen, LLM-as-a-judge, Guardrails und RAG-Nachbearbeitung zu implementieren, ohne auf herkömmliche Textgenerierung angewiesen zu sein.
github.comtypesafe-sdk-go
Dieses Go-SDK bietet eine strukturierte Schnittstelle für die Interaktion mit TypeSafe AI-Diensten. Es ermöglicht Entwicklern, Bewertungen mittels Auswahl-, Score- und Booleschen Fragen durchzuführen und dabei Client-Konfigurationen, Wiederholungsversuche sowie Protokollierungen zu verwalten.
github.comjev Ruby-Client
Diese Ruby-Bibliothek bietet einen Client für die Jev-Modell-API. Sie ermöglicht Entwicklern die Durchführung paralleler Abfragen mittels wahrheits-, auswahl- und rubrikbasierter Bewertungsmethoden, um KI-gestützte Entscheidungsfindungen innerhalb ihrer Anwendungen zu strukturieren.
github.comTypeSafe.AI.Sdk for .NET
Dieser von der Community entwickelte .NET-Client bietet eine typisierte Schnittstelle für TypeSafe AI-Dienste. Er spiegelt die Funktionalität des offiziellen JavaScript-SDKs wider und ermöglicht es Entwicklern, strukturierte Frage-Antwort-Workflows in ihren .NET-Anwendungen zu implementieren.
github.comjev-mailroom
Dieser Proof-of-Concept demonstriert ein automatisiertes E-Mail-Triage-System, das Jev zur Klassifizierung von Nachrichten nach Art und Kategorie verwendet. Es verarbeitet E-Mails über IMAP und nutzt parallele Fragen zur Etikettierung, während Logik und Schwellenwerte in Python verwaltet werden.
github.comNitro
Nitro optimiert Grok Build, indem Jev verwendet wird, um Werkzeuglisten einmal pro Turn zu filtern. Dies reduziert den Token-Verbrauch und die Kosten durch die Einschränkung der verfügbaren Werkzeuge vor der Ausführung, während die Effizienz des Prompt-Caches erhalten bleibt.
github.comswift-typesafe
Dieses Swift 6.4 SDK bietet einen typsicheren Client für TypeSafe AI, der auf der Python SDK 0.7.0 API basiert. Es ermöglicht strukturierte Interaktionen mit KI-Modellen durch die Verwendung von Swift-Makros zur Definition von Frage- und Antwortschemata.
github.comtypesafe-sdk-php
Dieses von der Community gepflegte PHP-SDK bietet einen Client für die TypeSafe AI System One API. Es ermöglicht typisierte Abfragen, die Verwaltung asynchroner Anfragen über Guzzle-Promises sowie die Konfiguration von Wiederholungsversuchen und Logging für die Modellerkennung.
github.comsqlite3-jev
Diese SQLite-Erweiterung ermöglicht die direkte Integration mit TypeSafe Jev. Sie erlaubt es Benutzern, entscheidungsorientierte KI-Aufgaben wie Klassifizierung, Scoring und Ja/Nein-Wahrscheinlichkeitsprüfungen direkt innerhalb von SQL-Abfragen mithilfe von libcurl-basierten Funktionsaufrufen durchzuführen.
github.comSmartMoney-Cub
SmartMoney-Cub ist ein schreibgeschütztes Trading-Journal und Review-Tool, das Jev zur Analyse von Finanzdaten nutzt. Es unterstützt Trader dabei, ihre Entscheidungen zu bewerten und Strategien durch Offline-Feedbackschleifen zu optimieren, ohne dabei Handelsaufträge auszuführen oder auf Broker-Konten zuzugreifen.
github.comProgressGate
ProgressGate ist ein Werkzeug zur Erkennung semantischer Stagnation in Agenten-Schleifen durch die Analyse von Trajektorien mit Jev. Es liefert deterministische Entscheidungen wie CONTINUE, WARN, REPLAN oder HALT, um zu verhindern, dass Agenten auf Basis widersprüchlicher Annahmen in Endlosschleifen geraten.
github.comBenchmark zur Extraktion der Raucherhistorie
Dieses Repository bietet einen Benchmark zum Vergleich von Jev und OpenAI bei der Extraktion von Raucherhistorien aus 1.000 synthetischen medizinischen Notizen. Es bewertet Genauigkeit, Kosten und Latenz unter Verwendung einer gemeinsamen Kandidatenauswahl-Pipeline.
github.comjev-agent-browser
jev-agent-browser bietet eine begrenzte Ausführungsumgebung für Browser-Agenten durch die Integration von Jev und agent-browser. Es ermöglicht typisierte Aktionsauswahl und strukturierte Aufgabenorchestrierung, wodurch übergeordnete Agenten Web-Navigation und Rechercheaufgaben sicher delegieren können.
github.comego-jev
ego-jev bietet eine interne Schleife für ego lite unter Verwendung von TypeSafe System One. Es ersetzt Standard-LLM-Turns durch eine einzelne typisierte Entscheidung pro DOM-Schritt, um die Leistung von Browser-Agenten durch die Reduzierung der Latenz bei interaktiven Webaufgaben zu verbessern.
github.comego-jev
ego-jev integriert das Jev System One Modell in den ego-lite Browser, um Aufgaben in einem einzigen Prozess zu automatisieren. Durch die Verwendung indizierter Elementtabellen für Entscheidungen wird eine etwa zweifache Geschwindigkeitssteigerung gegenüber herkömmlichen LLM-Schleifen erreicht.
github.comjev-leftpad
Dieses Projekt demonstriert eine unkonventionelle Nutzung von Jev zur Links-Auffüllung von Zeichenfolgen. Es dient als humorvolles Beispiel für Over-Engineering bei einer Aufgabe, die standardmäßige Bibliotheksfunktionen bereits nativ und effizient erledigen.
github.comjev-docs-zh
Dieses Repository bietet eine chinesische Übersetzung der offiziellen Dokumentation für das Jev-Modell von TypeSafe AI. Es behandelt System One-Konzepte sowie die Primitiven Choice, Score und Noul und enthält einen Generator für statische Webseiten zur lokalen Nutzung.
github.comAsyncTypeSafeClient
Diese Ressource dokumentiert den AsyncTypeSafeClient für Python, der eine asynchrone Interaktion mit der TypeSafe AI API ermöglicht. Sie beschreibt Konfigurationsparameter, Logging-Einstellungen sowie Methoden zur Modellverwaltung und Ausführung von Systemabfragen.
docs.typesafe.aiSpaceXAI veröffentlicht Grok 4.7
SpaceXAI hat Grok 4.7 eingeführt, das durch verstärktes Reinforcement Learning bei komplexen Aufgaben und Programmierung überzeugt. Trotz spezifischer Verbesserungen bei der Dokumentenanalyse bleibt der allgemeine Intelligenzzuwachs hinter den Erwartungen zurück.
threads.com
