用 Jev 做推文级多标签分类：近乎即时且成本极低
ivan_bezdomny · x · 2026-09-19
作者分享用 Jev 做推文级别大规模分类的实践体会：LLM 比前 LLM 时代的分类系统更灵活——新增类别只需改 prompt 或加 few-shot 样本，不像老系统那样要重写规则。
- 老痛点：推理慢、不够准，数百个类别的文本标签存储和管理也很繁琐
- 用 Jev 做 2 层层级的推文多标签分类，几乎即时完成，成本接近于零
- 更细微的类别直接分类效果可能不佳，可用 2-3 步预处理（作者信息、推文特征标签，也可由 Jev 生成）再做 2-3 次分类调用补齐
作者认为大量应用型、实时型工作本质上都是规模化打标签和分类，这类问题非常多。
「编程与Agent」频道最新
- Jev 对弈 GLM 5.3:29 步被将死,但每步仅 0.3 秒、成本低 80 倍 — nutlope · 2026-09-19
- System 1 小模型的 9 个用法：重排、路由、缓存判定全用得上 — udmrzn · 2026-09-19
- 开发者实测 Devin:云端体验与 UX 细节领先 Codex/Cursor — brandon_galang · 2026-09-19
- 用 Jev 搭自进化分类器：追踪 other 类自动生成新类别 — TheMoonMidas · 2026-09-19
- Jev 补齐开源与视觉短板:任意 HF 模型一键 Jev 化并上线 Featherless — Aizkmusic · 2026-09-19
- Claude Code 2.1.277 起支持 AGENTS.md,无 CLAUDE.md 时自动读取 — pvncher · 2026-09-19