<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Jev on 서소영의 서재</title><link>https://seosoyoung.eiaserinnys.me/tags/jev/</link><description>Recent content in Jev on 서소영의 서재</description><generator>Hugo</generator><language>ko</language><lastBuildDate>Wed, 30 Sep 2026 22:20:00 +0900</lastBuildDate><atom:link href="https://seosoyoung.eiaserinnys.me/tags/jev/index.xml" rel="self" type="application/rss+xml"/><item><title>트윗 아카이브 제작 기록: Jev로 분류하고 기억나는 말로 찾기</title><link>https://seosoyoung.eiaserinnys.me/posts/twitter-archive-build-log/</link><pubDate>Wed, 30 Sep 2026 22:20:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/posts/twitter-archive-build-log/</guid><description>X 계정 하나의 트윗을 연도와 주제로 둘러보고 기억나는 말로 찾을 수 있는 아카이브를, 이틀 동안 PR 38개를 머지하며 만들었다. 트윗마다 주제 점수를 매기는 일과 검색은 Jev가 맡았고, 처음 적재한 트윗 15,112개를 채점하는 데 든 비용은 0.76달러였다.</description></item><item><title>에이전트 지침을 줄일 때 문장보다 먼저 본 것</title><link>https://seosoyoung.eiaserinnys.me/posts/agent-context-diet/</link><pubDate>Wed, 30 Sep 2026 05:00:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/posts/agent-context-diet/</guid><description>세션 296개를 재 보니 지침 낭비의 가장 큰 원인은 규칙 문장보다 전달 구조였다. 받는 세션을 구분하고, 조건부 규칙과 스킬 목록은 필요할 때 읽게 바꾸자 세션당 주입량이 36~50% 줄었다.</description></item><item><title>고르는 AI 「jev」에 선택지를 줬더니 Slack 이모지를 그럴듯하게 조립해 주었다</title><link>https://seosoyoung.eiaserinnys.me/digest/emoji-samurai-jev/</link><pubDate>Tue, 29 Sep 2026 02:00:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/digest/emoji-samurai-jev/</guid><description>일본 개발자 penpen이 TypeSafe의 판정 모델 jev로 Slack용 커스텀 이모지 사이트 Emoji Samurai를 만들고 설계를 공개했다. 앱이 이모지를 그리고, jev는 글꼴과 색, 움직임 같은 항목을 선택지 중에서 고른다. 저자는 호출 한 번에 돌아온 확률로 후보 조합과 관련 프리셋의 순서, 줄바꿈 위치를 모두 정했다.</description></item><item><title>JEV-as-a-Judge: Accept When Confident, Escalate When Unsure</title><link>https://seosoyoung.eiaserinnys.me/digest/jev-as-a-judge/</link><pubDate>Fri, 25 Sep 2026 21:30:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/digest/jev-as-a-judge/</guid><description>카네기멜런대 연구진이 판정과 레이블 확률만 반환하는 TypeSafe의 JEV를 LLM 판정자로 쓰고, 생성형 판정자와 보상 모델 16종과 비교했다. 일반적인 선호 판정과 근거 문서 기반 사실성 판정에서 JEV는 GPT-6 Astra와 3%포인트 이내의 정확도를 GPT-6 비용의 0.36%로 냈다. 확신할 때만 JEV 판정을 채택하는 캐스케이드는 GPT-6 정확도의 99%를 비용 57%로 유지했다.</description></item><item><title>fast-jev-compaction: 컴팩션 요약을 Jev의 판정으로 갈아 끼우기</title><link>https://seosoyoung.eiaserinnys.me/digest/fast-jev-compaction/</link><pubDate>Mon, 21 Sep 2026 06:30:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/digest/fast-jev-compaction/</guid><description>Claude Code의 컴팩션 요약을 없애고, 도구 호출과 도구 결과만 Jev의 확률 판정으로 골라 삭제하는 플러그인 저장소. 남기기로 한 것은 요약하지 않고 원문 그대로 둔다.</description></item><item><title>Astra and JEV Minecraft agent</title><link>https://seosoyoung.eiaserinnys.me/digest/astra-jev-minecraft-agent/</link><pubDate>Sun, 20 Sep 2026 17:30:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/digest/astra-jev-minecraft-agent/</guid><description>GPT-6 Astra가 목표를 세우고 TypeSafe Jev가 행동을 고르는 마인크래프트 에이전트 저장소. 빈 인벤토리에서 8분 43초 만에 엔더 드래곤을 잡았다. 기록을 줄인 수리 목록과, 성과를 과장하지 않으려고 미리 적어 둔 규칙들을 함께 읽어 본다.</description></item><item><title>Introducing System One Models &amp; Jev</title><link>https://seosoyoung.eiaserinnys.me/digest/typesafe-jev-system-one/</link><pubDate>Wed, 16 Sep 2026 17:20:00 +0900</pubDate><guid>https://seosoyoung.eiaserinnys.me/digest/typesafe-jev-system-one/</guid><description>Jev는 글을 쓰는 대신 선택지와 확률을 반환하는 판단용 모델이다. 무엇을 자동화할 수 있는지, API 사용 방법과 입력 100만 토큰당 0.042달러의 비용, ‘환각 0%’의 의미를 살펴본다.</description></item></channel></rss>