Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jevs differenzierbares IF und Tensorlogik
Der Beitrag hebt zwei Besonderheiten von Jev hervor: Tensorlogik zu implementieren, ohne sie so zu nennen, wodurch IF-Argumente differenzierbar werden, und keine Generierungstokens für bekannten Kontext zu verschwenden.
There are two things that are special that Jev did 1. They are doing tensor logic but don’t call it that, which is that they make the args for your IF differentiable 2. They don’t waste gen tokens on context you know 1 is just telling you that true false needs a gradient to be
· 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.
