JEVTinh hoa Jev: dự án thực tế, hướng dẫn hữu ích và ý tưởng từ khắp internet.
Updated 3 JEVLAB NEWS posts
Có gì mới
THE OFFICIAL SIGNAL 4 HIGHLIGHTS
Diogo Almeida@CompleteSkepticLAUNCH POSTDiogo Almeida giới thiệu Jev, một mô hình ra quyết định có cấu trúc từ TypeSafe. Tài nguyên này cung cấp cái nhìn tổng quan về cách tiếp cận cốt lõi của mô hình, các ví dụ thực tế và số liệu hiệu năng do tác giả báo cáo.
TypeSafe AI@typesafeaiOFFICIALTypeSafe chính thức ra mắt phòng thí nghiệm nghiên cứu và giới thiệu Jev tới cộng đồng nhà phát triển. Thông báo này bao gồm một bộ phim ra mắt của Diogo Almeida và cung cấp bối cảnh cơ bản về sứ mệnh cũng như định hướng tương lai của dự án.
TypeSafe AI@typesafeaiOFFICIALTypeSafe đã xóa danh sách chờ cho Jev, cho phép truy cập công khai vào nền tảng. Các nhà phát triển có thể sử dụng bảng điều khiển chính thức để tích hợp và kiểm tra các khả năng ra quyết định có kiểu trong ứng dụng phần mềm của riêng họ.
JEVLAB ARTTypeSafe AI@typesafeaiOFFICIALTypeSafe nhấn mạnh cách tiếp cận đầu ra có kiểu của Jev: các ứng dụng cung cấp trạng thái và câu hỏi, sau đó thực hiện hành động dựa trên xác suất, lựa chọn hoặc điểm số. Thông báo liên quan cũng đề cập đến tích hợp API Venice.
JEVLAB ARTAI-assisted summaries and translations. Check original sources for context and performance claims.
JEVLAB ARTDự án này giới thiệu một trò chơi đấu trường quickscope 1v1 được xây dựng bằng Three.js và khung TypeSafe System One. Nó minh họa các cơ chế cạnh tranh thời gian thực trong môi trường trình duyệt cho việc phát triển dựa trên Jev.
English
JEVLAB ARTCông cụ này cung cấp một lớp quản lý cho các tác nhân Pi để đảm bảo chúng hoàn thành các nhiệm vụ được giao. Nó giám sát các tiến trình đang hoạt động và tự động khởi động lại các tác nhân dừng đột ngột trước khi công việc hoàn tất.
English
JEVLAB ARTBằng chứng khái niệm này minh họa việc sử dụng TypeSafe Jev để tự động hóa phê duyệt lệnh cho Hermes Agent. Tác giả tuyên bố đã đạt được hiệu suất cải thiện dựa trên các thử nghiệm với 153 lệnh thực tế.
English
JEVLAB ARTKho lưu trữ này cung cấp tám ví dụ tối giản minh họa việc áp dụng mô hình Jev của TypeSafe vào kỹ thuật cơ khí và điện. Nó trình bày các trường hợp sử dụng thực tế bao gồm định tuyến CAD, phân loại kết quả FEM và căn chỉnh BOM mà không cần phụ thuộc bên ngoài.
English
JEVLAB ARTvon là một mô hình ra quyết định System One mã nguồn mở, được thiết kế như một giải pháp thay thế cục bộ, không tự hồi quy cho TypeSafe Jev. Tác giả tuyên bố mô hình đạt tốc độ suy luận dưới 15ms cho các tác vụ ra quyết định.
English
Eugene CheahSimple Jev là một thư viện mã nguồn mở giúp chuyển đổi các mô hình Hugging Face thành các điểm cuối theo kiểu Jev. Công cụ này nhằm mục đích cải thiện khả năng tiếp cận bằng cách giúp các nhà phát triển tích hợp và triển khai các mô hình học máy trong hệ sinh thái Jev dễ dàng hơn.
English
JEVLAB ARTSDK Ruby do cộng đồng duy trì này cung cấp giao diện cho API TypeSafe AI. Nó cho phép các nhà phát triển thực hiện phân loại và định tuyến dữ liệu có cấu trúc bằng cách xác định các câu hỏi có kiểu, quản lý thử lại và xử lý lỗi API trong ứng dụng Ruby.
English
JEVLAB ARTTiện ích mở rộng Chrome này xác định và ẩn nội dung do AI tạo trên mạng xã hội. Nó sử dụng TypeSafe Jev để chấm điểm các bài đăng dựa trên các mẫu ngôn ngữ cụ thể, cho phép người dùng điều chỉnh trọng số phát hiện theo đánh giá cá nhân.
English
JEVLAB ARTjevprune là một tiện ích dùng để lọc đầu ra dòng lệnh cho các tác nhân lập trình. Nó sử dụng mô tả tác vụ để loại bỏ dữ liệu không cần thiết khỏi luồng terminal, giúp các tác nhân tập trung vào thông tin liên quan.
EnglishBản trình diễn này cho thấy việc áp dụng Jev trong các quy trình kiểm thử đầu cuối cho thiết bị di động. Tác giả gợi ý rằng việc tích hợp phương pháp này có thể giúp cải thiện hiệu quả kiểm thử cho các ứng dụng di động.
English
JEVLAB ARTDự án này cung cấp cơ chế tự động xóa ngữ cảnh trong Pi mà không làm mất lịch sử hội thoại. Nó minh họa cách quản lý việc sử dụng bộ nhớ trong khi vẫn duy trì tính liên tục của các tương tác.
EnglishJEVLAB ARTDự án này khám phá việc lọc thư rác zero-shot bằng cách sử dụng các câu hỏi TypeSafe Jev Noul. Nó cung cấp một phân tích so sánh với các cơ sở TF-IDF để đánh giá hiệu suất phân loại trong các tác vụ lọc văn bản.
English
AnushaMagic Jev Ball là một công cụ được thiết kế để hợp lý hóa quy trình làm việc của các yêu cầu kéo trên GitHub. Nó sử dụng Jev để phân tích trạng thái CI, kích thước khác biệt và các đánh giá nhằm tự động hóa các quyết định phê duyệt trong 200 mili giây.
English
JEVLAB ARTHướng dẫn này cung cấp cho các nhà phát triển cái nhìn tổng quan về kỹ thuật để triển khai mô hình Jev System One. Tài liệu nêu rõ các bước tích hợp thực tế và các mẫu sử dụng để tận dụng kiến trúc TypeSafe trong quy trình phát triển phần mềm.
English
Zahle KhanJev board là một công cụ dành cho các giao diện trí tuệ môi trường. Dự án này trình diễn việc tích hợp các mô hình nhanh và đáng tin cậy để tạo điều kiện cho các tương tác người dùng phản hồi nhanh trong khung giao diện tạo sinh.
English
Nick KhamiBản demo này khám phá việc sử dụng kỹ thuật suy luận và các điểm cuối chấm điểm để hướng dẫn các mô hình mã nguồn mở thực hiện việc ra quyết định theo phong cách Jev. Tác giả trình bày quy trình làm việc để triển khai các điều chỉnh hành vi này.
EnglishJEVLAB ARTSIEGE là một hệ thống cổng hành động có kiểu dữ liệu được thiết kế để phòng thủ trước nhiều tác nhân. Dự án minh họa một kiến trúc vòng lặp phòng thủ học hỏi từ các nỗ lực xâm nhập, được đánh giá qua W&B Weave.
EnglishTypeSafe AITài liệu này trình bày chi tiết về lớp TypeSafeClient cho API TypeSafe AI. Nó minh họa cách khởi tạo máy khách và sử dụng phương thức systemOne để nhận các câu trả lời được định kiểu cho các truy vấn có cấu trúc về văn bản hoặc dữ liệu trạng thái.
JEVLAB ARTEnglishDự án này đánh giá việc sử dụng Jev để chuyển đổi ý định của người chơi dưới dạng văn bản tự do thành các hành động máy chủ có cấu trúc. Tác giả báo cáo tỷ lệ đồng thuận 96% và độ trễ trung bình là 317 ms trong bối cảnh trò chơi trên bàn.
JEVLAB ARTEnglish
JEVLAB ARTDự án này cung cấp một tiện ích mở rộng tác nhân lập trình được xây dựng trên API TypeSafe AI System One. Nó minh họa cách tích hợp cơ sở hạ tầng dựa trên Jev vào quy trình phát triển để hỗ trợ các tác vụ lập trình tự động.
EnglishTypeSafe AITài liệu này làm rõ rằng Jev là một mô hình Hệ thống Một dành cho việc ra quyết định có cấu trúc, không phải là một LLM tạo văn bản. Nó hướng dẫn các nhà phát triển cách tích hợp Jev cùng với các tác nhân lập trình cho các tác vụ như phân loại, chấm điểm và định tuyến.
JEVLAB ARTEnglishJEVLAB ARTDự án này minh họa việc tự động hóa trình duyệt bằng cách sử dụng Jev làm mô hình ra quyết định. Nó cung cấp một khung làm việc để tích hợp logic AI TypeSafe vào các tác vụ duyệt web, cho phép tương tác có cấu trúc với môi trường trình duyệt.
English
生ビールDự án này trình diễn cấu hình mô hình Jev cục bộ được thiết kế để xử lý tác vụ. Người tạo gợi ý rằng phương pháp này có thể mang lại tiềm năng cải thiện tốc độ thực thi so với các giải pháp thay thế dựa trên đám mây.
日本語
JEVLAB ARTMáy chủ MCP này duy trì một sổ cái theo dự án để theo dõi lịch sử phiên làm việc. Nó sử dụng mô hình đánh giá Jev thông qua Vercel AI Gateway để truy xuất ngữ cảnh của các tác vụ trước đó, giúp các phiên hiện tại kế thừa công việc cũ.
English
JEVLAB ARTDự án này giới thiệu một trò chơi bắn súng nền tảng hợp tác, nơi một tác nhân TypeSafe Jev đóng vai trò là đồng đội. Nó thể hiện sự tích hợp thử nghiệm các tác nhân AI tự trị vào môi trường trò chơi nhịp độ nhanh để thúc đẩy động lực chơi hợp tác giữa người chơi và AI.
EnglishDự án này trình bày việc tái tạo mô hình ModernBERT 151M. Nó ghi lại các chỉ số hiệu suất cụ thể bao gồm lỗi hiệu chuẩn thích ứng và độ trễ CPU, đồng thời trình bày minh bạch cả các trường hợp thành công và các điểm thất bại đã xác định.
JEVLAB ARTEnglish
x.comTài liệu này so sánh Jev với LLM, làm nổi bật cách Jev đánh giá trực tiếp các quyết định được xác định trước. Nó chứng minh sự khác biệt về kiến trúc này cho phép xử lý song song các câu hỏi độc lập, phân biệt cách tiếp cận vận hành của nó với các mô hình ngôn ngữ tạo sinh tiêu chuẩn.
EnglishJEVLAB ARTTiện ích mở rộng trình duyệt này phân tích phụ đề YouTube để đánh dấu các phân đoạn quảng cáo trên thanh phát. Nó hoạt động cục bộ mà không cần dựa vào cơ sở dữ liệu cộng đồng bên ngoài.
EnglishJEVLAB ARTDự án này trình diễn khả năng chơi cờ vua của Jev trong môi trường kiểm chuẩn. Tác giả khẳng định rằng việc triển khai này đạt được hiệu suất chơi cờ chất lượng cao với chi phí tính toán tối thiểu.
English
JEVLAB ARTCông cụ này hoạt động như một trợ lý mạt chược sử dụng Jev để gợi ý các quân bài nên loại bỏ. Nó được thiết kế để giúp người chơi cải thiện quá trình ra quyết định trong khi chơi bằng cách cung cấp hướng dẫn chiến lược bằng tiếng Nhật.
English
x.comTài nguyên này cung cấp cái nhìn tổng quan về Jev, định vị nó như một công cụ ra quyết định chuyên biệt. Nó mô tả các trường hợp sử dụng thực tế và những hạn chế vốn có của hệ thống để giúp người dùng hiểu rõ vai trò của Jev.
JEVLAB ARTEnglishJEVLAB ARTPlugin này tích hợp với Claude Code và các công cụ khác để chọn mô hình AI dựa trên logic quyết định Jev và giá của OpenRouter. Nó nhằm mục đích cân bằng giữa trí thông minh, tốc độ và chi phí cho các tác vụ.
English
JEVLAB ARTKho lưu trữ này cung cấp các bản demo thực tế cho mô hình Jev (System One) của TypeSafe. Bao gồm các ví dụ có thể chạy được và ghi chú thực địa hướng dẫn cách triển khai các mẫu định tuyến, chấm điểm và xác minh mà không cần khóa API.
JEVLAB ARTClient .NET do cộng đồng phát triển này cung cấp giao diện định kiểu cho các dịch vụ TypeSafe AI. Nó phản ánh chức năng của SDK JavaScript chính thức, cho phép các nhà phát triển triển khai các quy trình hỏi đáp có cấu trúc trong ứng dụng .NET của họ.
EnglishTypeSafe AITài liệu này định nghĩa lớp APITimeoutError trong SDK TypeSafe AI. Nó giải thích cách lớp này xử lý các lỗi hết thời gian kết nối bằng cách mở rộng APIConnectionError và cung cấp quyền truy cập vào thời lượng hết thời gian cụ thể tính bằng mili giây.
JEVLAB ARTEnglish
JEVLAB ARTCông cụ này cho phép Claude Code chọn các kỹ năng đã cài đặt cần thiết cho một phiên làm việc. Nó sử dụng Jev để ra quyết định và tích hợp với skills.sh để hỗ trợ khám phá các khả năng hiện có.
EnglishJEVLAB ARTCông cụ này sử dụng LLM để lọc thông báo và SMS trên Android bằng cách xác định nhiễu thay vì khớp từ khóa. Mã xác minh được xử lý cục bộ để bảo vệ quyền riêng tư, trong khi các tin nhắn không chắc chắn vẫn được cho phép.
EnglishJEVLAB ARTĐây là máy chủ cộng đồng chính thức của TypeSafe. Nó đóng vai trò là trung tâm nơi các nhà phát triển chia sẻ các bản demo trực tiếp về dự án của họ trong kênh Show and Tell để thúc đẩy sự hợp tác.
English
JEVLAB ARTKho lưu trữ này cung cấp danh sách các dự án, SDK và tài nguyên Jev được tuyển chọn. Nó đóng vai trò là thư mục trung tâm cho các nhà phát triển khám phá mô hình System One của TypeSafe AI, tập trung vào việc ra quyết định có kiểu dữ liệu thông qua Choice, Score và Noul.
English
Chandramouly KandacharBản trình diễn này cho thấy Jev điều khiển cả hai tay và các ngón tay để chơi piano trong thời gian thực. Hệ thống xử lý đầu vào hình ảnh để phối hợp các chuyển động phức tạp, minh họa khả năng tương tác âm nhạc phản hồi của tác nhân.
EnglishDự án này trình diễn giao diện điều khiển bằng giọng nói cho Figma sử dụng Jev. Đây là một bằng chứng khái niệm thử nghiệm nhằm tích hợp tự động hóa AI chi phí thấp vào quy trình thiết kế chuyên nghiệp.
EnglishJEVLAB ARTSDK cho PHP và Laravel này cung cấp giao diện để tương tác với dòng mô hình JEV của TypeSafe AI. Nó minh họa cách các nhà phát triển có thể tích hợp các mô hình AI này vào quy trình làm việc của ứng dụng web hiện có.
EnglishJEVLAB ARTNút cộng đồng n8n này tích hợp Jev của TypeSafe để tự động hóa việc phân loại và định tuyến văn bản. Người dùng có thể xác định các câu hỏi tùy chỉnh và nhận điểm xác suất cho mỗi câu trả lời để hỗ trợ việc xem xét thủ công các mục không chắc chắn.
English
JEVLAB ARTCông cụ này cung cấp phản hồi tự động cho các bài báo học thuật. Nó minh họa quy trình đánh giá tài liệu nhanh chóng, cho phép người dùng nhận được thông tin chi tiết về cấu trúc và nội dung ngay sau khi gửi.
EnglishJEVLAB ARTKho lưu trữ này đóng vai trò là một thư mục được tuyển chọn các dự án phần mềm sử dụng framework jev của TypeSafe. Nó cung cấp danh sách tập trung để giúp các nhà phát triển khám phá các triển khai thực tế và ứng dụng cộng đồng được xây dựng bằng công nghệ này.
EnglishJEVLAB ARTDự án này thay thế Claude Sonnet bằng Jev để đưa ra quyết định trong OpenPoke. Nó cung cấp một khung so sánh A/B và bao gồm kết quả của một thử nghiệm đối kháng với hơn 43.000 yêu cầu để đánh giá cổng tiêm.
English
JEVLAB ARTDự án này trình bày việc triển khai tự động hóa trình duyệt web sử dụng mô hình Jev. Nó cung cấp một khung làm việc cho các tác nhân tương tác với giao diện web, cho thấy cách Jev có thể được áp dụng để điều hướng và thực hiện các tác vụ trong môi trường trình duyệt.
EnglishJEVLAB ARTCông cụ này sử dụng Jev để phân tích và phân loại các thông báo và diff của Git commit. Nó minh họa cách tự động hóa việc phân loại các thay đổi phần mềm, đặc biệt là xác định các bản sửa lỗi, bản vá bảo mật và các loại sửa đổi.
EnglishJEVLAB ARTKho lưu trữ này ghi lại một thử nghiệm đánh giá mô hình quyết định Jev như một bộ định tuyến LLM tiết kiệm chi phí. Nó cung cấp các điểm chuẩn so sánh hiệu suất định tuyến với các số liệu đã thiết lập trên nền tảng RouterArena để đánh giá hiệu quả trong các tác vụ chọn mô hình.
English
JEVLAB ARTDự án nghiên cứu này giới thiệu một ứng dụng từ điển Anh-Iceland. Nó chứng minh việc sử dụng Jev để xếp hạng lại kết quả tìm kiếm, nhằm cải thiện độ chính xác và mức độ liên quan của các mục từ điển được cung cấp cho người dùng.
EnglishJEVLAB ARTCông cụ CLI Python này trình bày một phương pháp thử nghiệm để tìm kiếm dòng ngữ nghĩa bằng cách sử dụng TypeSafe Jev và OpenRouter. Nó cung cấp một giao diện nhẹ để truy vấn dữ liệu mà không cần các phụ thuộc thời gian chạy phức tạp.
EnglishJEVLAB ARTDự án này trình diễn việc thực hiện các mục tiêu bằng tiếng Anh theo phương pháp zero-shot trên cánh tay robot Franka mô phỏng. Nó sử dụng Jev để liên kết các nguyên hàm được lập trình sẵn nhằm thực hiện các tác vụ thao tác dựa trên hướng dẫn ngôn ngữ tự nhiên.
EnglishDự án này trình diễn một trình khởi chạy ứng dụng dự đoán sử dụng Jev để diễn giải ý định của người dùng. Nó nhằm mục đích cải thiện việc khám phá ứng dụng bằng cách dự đoán nhu cầu của người dùng thông qua xử lý dựa trên ý định.
EnglishJEVLAB ARTKho lưu trữ do cộng đồng duy trì này cung cấp danh mục gồm 485 dự án mã nguồn mở được xây dựng bằng Jev. Nó đóng vai trò là tài liệu tham khảo cho các nhà phát triển muốn khám phá các ứng dụng và triển khai khác nhau trong hệ sinh thái Jev.
EnglishJEVLAB ARTGitHub Action này tự động hóa việc phân loại vấn đề bằng cách áp dụng các nhãn như spam hoặc trùng lặp dựa trên ngưỡng tin cậy do người dùng xác định. Nó minh họa một phương pháp quản lý kho lưu trữ có điều kiện, đảm bảo nhãn chỉ được gán khi đáp ứng các tiêu chí cụ thể.
EnglishDự án này trình diễn việc sử dụng Jev để chỉ huy dàn nhạc trong thời gian thực. Người tạo giới thiệu một thử nghiệm kỹ thuật nơi hệ thống diễn giải và quản lý các đầu vào biểu diễn âm nhạc để hướng dẫn dàn nhạc.
EnglishJEVLAB ARTChatJev là một dự án dành cho nhà phát triển nhằm khám phá các quy trình ra quyết định bằng cách sử dụng bộ phân loại làm trình dự đoán mã thông báo tiếp theo. Thử nghiệm này chứng minh cách các mô hình phân loại có thể được điều chỉnh để ảnh hưởng đến việc tạo chuỗi trong kiến trúc dựa trên Jev.
English
x.comBộ sưu tập này làm nổi bật các dự án Jev thực tế, bao gồm các tác nhân trình duyệt và bot giao dịch. Đây là tài nguyên hữu ích cho các nhà phát triển muốn khám phá các triển khai chức năng và ứng dụng thực tế trong hệ sinh thái Jev.
JEVLAB ART日本語TypeSafe AITài liệu này xác định giao diện RetryPolicy cho TypeSafe AI SDK. Nó phác thảo các tham số có thể cấu hình để xử lý lỗi kết nối API, thời gian chờ và mã trạng thái HTTP, cho phép các nhà phát triển tùy chỉnh chiến lược thử lại và backoff.
JEVLAB ARTEnglishJEVLAB ARTSDK Go này cung cấp giao diện cho API TypeSafe AI. Nó cho phép các nhà phát triển gửi các truy vấn có kiểu đến dịch vụ và nhận các phân phối xác suất có cấu trúc làm đầu ra, giúp việc tích hợp vào các ứng dụng dựa trên Go trở nên dễ dàng hơn.
EnglishBản demo này giới thiệu một tác nhân sử dụng Ego Lite và Jev để thực hiện đánh giá sản phẩm nhanh chóng. Người tạo tuyên bố hệ thống hoàn thành hai mươi đánh giá sản phẩm trong vòng chưa đầy bốn giây.
EnglishThử nghiệm cộng đồng này giới thiệu cách Jev tương tác với trò chơi nền tảng Geometry Dash. Nó chứng minh khả năng của mô hình trong việc xử lý đầu vào hình ảnh từ trò chơi và thực thi các lệnh điều khiển tương ứng trong môi trường thời gian thực.
EnglishTypeSafe AIHàm choice() trong SDK TypeSafe AI cho phép các nhà phát triển tạo ra các câu hỏi yêu cầu lựa chọn giữa các phương án được đặt tên. Nó chấp nhận các hướng dẫn và tiêu chí cụ thể để xác định các tùy chọn có sẵn cho các tác vụ ra quyết định có cấu trúc.
JEVLAB ARTEnglishJEVLAB ARTSlither-Me-Jev là một trò chơi rắn trên trình duyệt nơi tám AI cạnh tranh với một người chơi. Dự án minh họa khả năng ra quyết định theo thời gian thực bằng cách sử dụng TypeSafe Jev để xử lý trạng thái trò chơi và tính cách cho mỗi AI.
JEVLAB ARTDự án này khám phá việc sử dụng Jev để dự báo thị trường tài chính. Tác giả lưu ý rằng mô hình cho thấy độ chính xác hạn chế, phù hợp với hiệu suất của các mô hình ngôn ngữ lớn khác trong lĩnh vực này.
English
JEVLAB ARTCông cụ này phân tích các luồng hội thoại trên WeChat để đánh giá cảm xúc, ý định và chất lượng phản hồi. Nó cung cấp một phương pháp kỹ thuật để diễn giải các tương tác xã hội trên nền tảng nhắn tin bằng cách xử lý dữ liệu văn bản để xác định các kiểu giao tiếp.
English
HassanDự án này trình bày một phương pháp đa lớp để phát hiện gian lận qua email. Nó sử dụng Jev để phân loại ban đầu, đồng thời chuyển các trường hợp không chắc chắn cho Kimi K3 để cải thiện độ chính xác trong việc xác định các liên lạc có khả năng gây hại.
EnglishỨng dụng máy tính để bàn này tích hợp Jev để cung cấp các đánh giá viết có cấu trúc theo thời gian thực. Nó minh họa cách khung Jev có thể được áp dụng để tạo các công cụ phản hồi kiểu Grammarly nhằm cải thiện quy trình soạn thảo và chỉnh sửa văn bản.
EnglishJEVLAB ARTDự án này trình diễn trò chơi Rắn săn mồi tự động được điều khiển bởi mô hình Jev. Nó cho thấy một hệ thống nơi các nước đi hợp lệ và sự kiện được tạo ra thông qua mã, với mô hình đưa ra một quyết định mỗi tick.
EnglishJEVLAB ARTDự án này khám phá việc tạo pixel art theo phong cách khuếch tán bằng cách sử dụng bộ phân loại. Nó trình bày một phương pháp liên quan đến 256 câu hỏi Jev song song trên mỗi pixel, theo sau là các bước tinh chỉnh để xây dựng hình ảnh, thể hiện cách tiếp cận thử nghiệm đối với tổng hợp hình ảnh có cấu trúc.
English
JEVLAB ARTDự án này trình diễn một giao diện để vẽ trên canvas tldraw bằng cách sử dụng lệnh thoại và chỉ tay. Người tạo tuyên bố rằng hệ thống Jev xác định hành động, mục tiêu và vị trí trong khoảng 350 mili giây cho mỗi từ được nói.
EnglishJEVLAB ARTDự án này trình diễn một tác nhân được thiết kế để chơi Super Mario Bros. bằng cách xử lý dữ liệu trạng thái giả lập có cấu trúc. Nó khám phá việc tích hợp các phương pháp AI TypeSafe vào môi trường trò chơi cổ điển để tự động hóa các hành động.
English
Gửi tài nguyên
한국어
Español
Français
Deutsch
简体中文
繁體中文
Português
Bahasa Indonesia
ไทย
Italiano
Türkçe
Polski
Русский
4 HIGHLIGHTS
10
Games & real time
Agents & browsers
Decisions & routing
Research & data
Tools & apps
Start here
Creative & growth
Markets & experiments