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.
El modelo Jev explicado: Choice, Score y Noul
Una introducción al modelo Jev de TypeSafe AI: Choice (elige una opción de un conjunto definido), Score (valora según niveles ordenados) y Noul (evalúa afirmaciones de sí/no), comparado con el enfoque de tokenizador de un LLM típico.
Jev by @typesafeai is all around the X, reddit, Linkedin Etc,. It has 3 elements Choice- Select one option from a defined set Score- Rate the state against ordered levels Noul- Evaluate a yes/no statement whereas a typical LLM Tokenizer-> Splits input text into discrete
· 0 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.
