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.
Experimentando con Jev de TypeSafe AI en Playground: evaluación semántica con HEX/RGB
Prueba de Jev en Playground: ocultar los nombres de candidatos Choice como option_a y dar solo valores HEX/RGB para ver si el modelo los evalúa semánticamente como colores. Si se cambia a rojo uno de los valores HEX o RGB de un candidato para crear contradicción, su probabilidad cae a casi 0%; aún no se observa sesgo claro hacia HEX o RGB.
TypeSafe AIの #Jev を Playground で実験なう✨ Choice の候補名を option_a 等に隠してHEX/RGB だけ与えても、値を色として意味的に評価する様子。 例えば blue 候補の HEX か RGB の片方だけデータで赤に変えて矛盾させるとその候補確率はほぼ0%。 HEX優先／RGB優先の偏りは今のところなさそう🤔
· 5 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.
