Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Nutzer testet Jev: regelbasierte Massenklassifizierung und Bewertung
Ein Nutzer teilt erste Eindrücke von Jev: Es liefere nicht nur ein Schwarz-Weiß-Urteil, sondern eine Zahl dafür, wie dunkel etwas ist, und erwähnt Effizienzgewinne bei regelbasierter Massenklassifizierung und Tagging.
巷で話題のJevといふものをさわりはじめる。 なるほど、白黒はっきりつけてくれるというより、どれだけ黒いかを数字で教えてくれるAIなんだな。 何かをルールに添って大量に仕訳したりタグつけするのは捗るとかなんとか。もう少し触って色々活用出来そうなところ考えてみよう。
· 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.
