Jev Dibuat dalam 25 Baris Python
Judul asli: Jev in 25 Lines of Python
Mengapa Ini Penting
Menunjukkan bahwa konsep yang dihype bisa dijalankan lokal dengan dependensi minimal.
NobodyWho merilis tutorial parodi yang mengimplementasikan teknik klasifikasi Jev menggunakan 25 baris Python, model Qwen3-0.6B GGUF, dan library llama-cpp-python tanpa API eksternal.
Blog NobodyWho menerbitkan artikel parodi yang mendemonstrasikan bahwa teknik 'Jev' — yang sedang ramai diperbincangkan di X sebagai pendekatan baru large language model — sebenarnya bisa direplikasi dengan 25 baris Python sederhana.
Implementasinya menggunakan model Qwen3-0.6B dalam format GGUF yang dijalankan secara lokal lewat llama-cpp-python. Alurnya lugas: muat model, buat prompt dengan pilihan berlabel (A, B, C), evaluasi token, lalu ekstrak logits dari token terakhir untuk dikonversi menjadi probabilitas via log-softmax.
Contoh klasifikasi email phishing menghasilkan probabilitas: Legitimate 3,1%, Spam 8,4%, Phishing 88,5% — akurasi yang masuk akal tanpa pelatihan tambahan. Penulis Duarte O.Carmo menegaskan: tidak ada API eksternal, tidak ada data sintetis, tidak ada Reinforcement Learning for Calibrated Decisions (RLCD). Artikel ini juga menautkan implementasi Jev yang lebih lengkap seperti OpenJev dan openjev-sglang sebagai referensi serius.