Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev-Entscheidungsmodelle stehen vor der Herausforderung des Trainingsdaten-Cutoffs
Der Beitrag weist darauf hin, dass Entscheidungsmodelle wie Jev das Problem des Trainingsdaten-Cutoffs lösen müssen, da Entscheidungen sonst auf über sechs Monate alten Informationen beruhen – ein großes Problem für Bereiche wie Marketing und Investitionen, die Echtzeitdaten benötigen.
Decision models like Jev have a real challenge to solve with training data cutoff. Otherwise the decisions rely on >6 month old information. This is a big deal for places where decisions need realtime data (marketing, investing, etc). For example, Jev estimates odds Navier
· 6 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.
