Cheating at search with jev

摘要

作者測試 JEV 在查詢分類任務上的表現，並與 GPT-5 等 LLM 進行比較。文章強調在搜尋中應優先追求準確度而非召回率，並介紹了 JEV 如何透過設定置信度閾值來處理模糊查詢，同時討論了階層式查詢分類的策略。

The author compares JEV with LLMs for query classification, emphasizing the importance of accuracy over coverage and suggesting hierarchical classification strategies.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 使用 JEV 可透過設定置信度閾值來平衡準確度與召回率。
• 模糊查詢應標記為未知，避免錯誤分類導致遺漏結果。
• 查詢分類應採用階層式結構，而非扁平標籤。

提到的工具與公司

• JEV
• GPT-5
• GPT-5-mini
• Wayfair WANDS dataset

適合誰看

正在開發搜尋系統或需要最佳化查詢理解能力的工程師。

摘要依據

講者

Doug Turnbull

依據

文章全文

為什麼排在這裡

人氣

0.75

新鮮

0.94

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• How People Are Actually Using Jev影片 ・ The AI Daily Brief: Artificial Intelligence News ・ 22 分鐘
• Language Models for Text Classification: From Bag-of-Words to Jev文章 ・ Sebastian Raschka（部落格）
• Jev introduces a new shape of LLM - System One, aka Decision Models文章 ・ Simon Willison's Weblog
• JEV: How It Works and What You Can Build影片 ・ Riley Brown ・ 20 分鐘
• Jev is incredible影片 ・ Theo - t3․gg ・ 30 分鐘
• Jev - The Ultimate Classification Model?影片 ・ Sam Witteveen ・ 16 分鐘