THE JEV GUIDE · CURATED EDITION
Launch News, Erklärungen, Demos und Community Projekte rund um TypeSafe Jev, nach Themen geordnet. Jeder Eintrag verweist auf die Quelle bei X.
Kuratierte Auswahl · Nicht vollständig · Manuell aktualisiert
01 / EXPLORE
0 means awaiting a verified post
Dieser Beitrag dokumentiert ein Experiment mit dem Jev-Modell zur Lösung eines 3D-Bin-Packing-Problems, einschließlich Rechenzeit, Anzahl der Jev-Aufrufe und Kosten, und weist darauf hin, dass das Ignorieren von Stützbedingungen zu schwebenden Objekten führt.
AbdelStark stellt LeJudge vor, das erste Experiment, das Jev in einen JEPA-Weltenmodell-Planer integriert, bewertet von einem Entscheidungsmodell statt einem LLM. Es stellt sich 300 Zukünfte vor und Sonden wandeln jede in Worte um.
Dieser Beitrag teilt einen Vergleich und Benchmark von Entscheidungsmodellen mit Jev als Referenz, mit einem Link zum Jev Decision Index Space auf Hugging Face. Link
Der Autor berichtet, dass die Mittelung von 8 Permutationen der Qwen-Ausgaben den KL-Fehler um ~79% reduziert, alle 720 Permutationen um ~97%, während Jev nur eine geringfügige Verbesserung zeigt.
Inspiriert vom JEV-Hype schlägt der Autor vor, JEV mit dem Moral-Machine-Dilemma-Test des MIT statt mit Schach zu testen.
Präsentation der scRNAseq-JEV-Anwendung bei einem Hackathon in Boston: schnellere, günstigere und strukturiertere Entscheidungen für Bioinformatiker und möglicherweise als RL-Signal nutzbar. Link
Der Nutzer stellt fest, dass Jev bei identischen Lebensläufen eine leichte Präferenz für schwarzklingende Namen und eine leichte Ablehnung asiatisch klingender Namen zeigt; sehr kleiner, aber scheinbar statistisch signifikanter Unterschied.
Der Beitrag argumentiert, dass ein Jev-ähnliches System-One-Modell schneller und günstiger ist, Echtzeit-Interaktionsmodellierung ermöglicht und im Vergleich zu LLMs einen drastisch eingeschränkten Ausgaberaum hat, was die menschliche Simulation revolutionieren könnte.
Harrison Kinsley teilt einen kleinen Spielzeugvergleich von GLM 5.3 Flash mit Jev versus OpenJev und stellt fest, dass das 4B OpenJev leicht gewinnt.
TypeSafeAI in ABM-Modellen ausführen, um die Doppelauktions-Experimente von Gode & Sunder / Smith mit Jev-Agenten nachzubilden: ZI-C-Agenten erreichen schneller ein Gleichgewicht, aber mit höherer Preisvarianz, während Jev-Agenten Preisvarianz und Bid-Ask-Spreads verringern, dafür aber langsamer konvergieren.
Laut dem Beitrag hat Jev ein langjähriges offenes Problem der Mathematik gelöst.
Robert sagt, Jev sei nun voll in die Erstellung und weitere Forschung zu hybrid001 eingebunden.