Jev frente a los modelos generadores de texto
Jev no genera texto libre. Un video comparativo explica la diferencia entre decisiones paralelas y generación token por token.
Comparación de la idea central de Jev con un trabajo previo de CUA
El autor señala que Jev es tendencia hoy, pero ve poca diferencia entre su idea central de optimizar el token correcto sobre las salidas candidatas y su intento de hace dos años con un colaborador de maximizar la similitud entre estados y acciones de CUA, ahora incluido en MMEB-v3.
#Jev is viral today, but I don’t see much difference between its core idea of optimizing the correct token over candidate outputs (tell me if wrong) and our attempt two years ago with @DehanKong285793 to maximize the similarity between CUA states and actions. Now it's in MMEB-v3.
· 4 likesOpen on X
More like this
Precios, evaluaciones y el nombre Jev
El hilo de lanzamiento explica evaluaciones de flujos code + AI, el precio de entrada anunciado y los tokens de salida gratuitos.
Modelo Jev: generación de probabilidades para decisiones, 200× más rápido y 400× más barato que los LLM
Este modelo está diseñado para la toma de decisiones en lugar de la generación de texto, generando probabilidades para cada opción en paralelo en vez de respuestas token a token. El autor comparte un ejemplo simplificado de LLM normales frente a este modelo Jev.
