Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev-Entscheidungsmodell: LLM generiert, Jev entscheidet
Der Beitrag untersucht, wie Jev als Entscheidungsmodell funktioniert: Die meisten KI-Systeme lassen ein einziges großes LLM sortieren, routen, bewerten, argumentieren und schreiben, während der Jev-Leitfaden eine Aufteilung vorschlägt – das LLM generiert, Jev entscheidet. Außerdem wird erklärt, wo das Entscheidungsmodell im System sitzt und was der Leitfaden nicht beweist.
🧵 Most AI systems ask one big LLM to sort, route, judge, reason and write. OpenAI's guide on Jev proposes a split: an LLM generates, Jev decides. Here is how a decision model works, where it sits in a system, and what the guide does not prove.
· 0 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.
