Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev vs. LLM: Unterschiede bei der Inferenz
Eine Demo vergleicht Jev mit klassischen LLMs: LLMs erzeugen Token für Token, während Jev keine Strings generiert, sondern alle Urteilswahrscheinlichkeiten parallel ausgibt.
LLM 是把答案“写出来”，Jev 是把判断概率直接“算出来”。 这个 Demo 很直观地展示了 Jev 和传统 LLM 的区别：LLM 是一个 Token 一个 Token 地生成答案，而 Jev 不生成字符串，而是直接把所有判断的概率一次性并行输出。 TypeSafe 认为，字符串虽然非常通用，但代价也很高。Jev
· 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.
