開源 Chrome 擴充功能 Slop Mop：利用 Jev 模型過濾 LinkedIn 貼文垃圾內容
為何重要
此案例突顯非對話型決策模型（如 Jev）在企業工作流中的應用潛力，透過信心分數進行上下文感知決策，效率上可能超越傳統大型語言模型。這也為開發者展示瞭如何利用低成本 API 快速構建實際解決內容品質管理的工具。
AI 愛好者 Tom Frazier 推出基於 Jev 模型的開源瀏覽器擴充功能，旨在從 LinkedIn 社群網路中監測並過濾低品質、由 AI 或人類撰寫的貼文。
- 工具依據 Graphite Growth 的研究，制定了九項揭發 AI 生成內容及爛文章的模式指標。
- 統計資料顯示，LinkedIn 貼文中有 41% 超過 250 個單字且被 Pangram 歸類為完全由 AI 生成。
- 目前該擴充功能日分析封頂為 250 篇，使用者對其導致的成本約為 $0.005 美元/天。
- 作者強調此工具與 LinkedIn 的「Seems Like AI Slop」按鈕功能類似，旨在篩選無價值內容。