Jev مقارنة بنماذج توليد النصوص
لا يولد Jev نصا حرا. يوضح فيديو مقارنة الفرق بين اتخاذ القرار بالتوازي وتوليد النص رمزا بعد رمز.
لماذا قد يكون Jev أسرع من نماذج LLM التقليدية
تقارن المنشور بين Jev ونماذج LLM التقليدية: فبينما تفكّ نماذج LLM ترميزها ذاتيًا رمزًا تلو الآخر، يمكن لـ Jev إرجاع Choice أو Score أو NOUL مباشرة، ما يقلل خطوات فك الترميز وقد يخفض زمن استدلال الذكاء الاصطناعي.
Why could Jev be faster than traditional LLMs like ChatGPT? LLMs use autoregressive generation: Token 1 → Token 2 → Token 3 → … Jev can return a direct Choice / Score / NOUL instead. Less decoding → potentially lower AI inference latency. #AI #LLM #Jev #MachineLearning
· 1 likesOpen on X
More like this
التسعير والتقييمات وأصل اسم Jev
يشرح خيط الإطلاق تقييمات سير عمل code + AI وسعر الإدخال المعلن والتوكنات الناتجة المجانية.
نموذج Jev: توليد الاحتمالات لاتخاذ القرار، أسرع 200 مرة وأرخص 400 مرة من نماذج اللغة الكبيرة
صُمم هذا النموذج لاتخاذ القرار بدلاً من توليد النص، حيث يُخرج احتمالات لكل خيار على التوازي بدلاً من استجابة رمزاً برمز. يشارك المؤلف مثالاً مبسطاً يقارن بين نماذج اللغة العادية ونموذج Jev هذا.
