競馬の論文100本をJevで仕分け、LLMと速度・コストを比較

概要

TypeSafe AIの「Jev」を用いて競馬論文100本の仕分けを行い、Llama 3.3 70Bとの比較を通じて速度・コスト・判定精度を検証した記録。

詳細内容

競馬の定量分析において、学術論文から戦略を効率的に探すためのパイプラインを構築した事例です。文章生成を行わず確率を返すモデル「Jev」を使い、100本の論文要旨から「実装可能なルールが含まれるか」を判定しました。比較検証の結果、JevはLlama 3.3 70Bと比較して中央値で約3倍高速であり、再試行時の判定の揺らぎが極めて少ないという安定性が示されました。一方で、Cloudflare Workers AIでLlamaを動かす場合と比較すると、入力トークン数の算出仕様によりコストはJevの方が1.5倍程度高くなる結果となりました。記事では、実際に絞り込んだ論文に基づきJRAデータでバックテストを行った結果まで言及されており、AIによるリサーチ自動化の実践的な知見がまとめられています。

元記事を読む他のサマリーを見る