Jev 很适合广告研究。 我做了工具，作者称 1.5 秒为 Meta 视频广告的每个镜头评分，基于 Maxfusion 与 @typesafeai，三分钟内处理 450 多条广告。 从 Maxfusion Research Lab 获取广告主在投视频；Maxfusion 观看并给出细致拆解，Jev 判断每个镜头和整条广告。 作者称 1.52 秒内作 50 次判断、0.00028 美元，把这条 Duolingo 广告评为 88 分；认为 Jev 是自己用过最快的决策模型。
由 Maxfusion 拆镜头，再让 Jev 判断广告特征
作者用 Maxfusion 分析广告镜头，再让 Jev 判断声明、证据、幽默和行动指引等特征。演示逐镜头概率与整体评分；这些评分不能证明实际转化表现。
JEV 做了什么
对已有镜头描述进行多维判断并汇总广告评分。
原帖明确 Maxfusion 拆解视频，Jev 判断每个镜头并评分整条广告。
还能用在哪？
How2Jev 延伸推演，不代表作者或官方声明。
- 建立可比较的广告镜头标签
- 为素材研究整理多维判断面板
ORIGINAL SOURCE
How2Jev 整理案例，项目与演示归原作者所有。
MORE LIKE THIS
把职业技能整理成多维判断面板
作者将 Jev 用于职业技能的 AI 影响评分实验。演示展示六个判断问题、职业层级和技能构成比例；这些分数是项目的模型判断，不代表真实就业预测。
为收藏短视频建立多维分类标签
作者让 Jev 为短视频资料判断开头、形式等特征，演示条目分类与散点图。未确认模型直接读取视频、完整八维实现或标签准确性，也不把标签当作传播保证。