Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Experimente mit TypeSafe AIs Jev im Playground: Semantische Bewertung über HEX/RGB
Test von Jev im Playground: Choice-Kandidatennamen als option_a usw. verbergen und nur HEX/RGB-Werte geben, um zu sehen, ob das Modell sie semantisch als Farben bewertet. Wird einer der HEX- oder RGB-Werte eines Kandidaten rot gemacht, um einen Widerspruch zu erzeugen, sinkt seine Wahrscheinlichkeit auf fast 0 %; bisher kein klarer HEX- oder RGB-Vorzug erkennbar.
TypeSafe AIの #Jev を Playground で実験なう✨ Choice の候補名を option_a 等に隠してHEX/RGB だけ与えても、値を色として意味的に評価する様子。 例えば blue 候補の HEX か RGB の片方だけデータで赤に変えて矛盾させるとその候補確率はほぼ0%。 HEX優先／RGB優先の偏りは今のところなさそう🤔
· 5 likesOpen on X
More like this
Preise, Evaluationen und der Name Jev
Der Launch Thread erklärt Code plus AI Workflow Evaluationen, den angekündigten Eingabepreis und kostenlose Ausgabetokens.
Jev-Modell: Wahrscheinlichkeitsgenerierung für Entscheidungen, 200× schneller und 400× günstiger als LLMs
Dieses Modell ist für Entscheidungsfindung statt Textgenerierung konzipiert und gibt Wahrscheinlichkeiten für jede Option parallel aus, anstatt Antworten Token für Token zu liefern. Der Autor zeigt ein vereinfachtes Beispiel für normale LLMs im Vergleich zu diesem Jev-Modell.
