Jev face aux modèles générateurs de texte
Jev ne génère pas de texte libre. Une vidéo côte à côte compare la décision parallèle avec la génération token par token.
De la génération autorégressive à la notation parallèle des décisions de Jev : un nouveau rôle pour l'interprétabilité mécaniste
Le post suggère que le passage de la génération autorégressive à la notation parallèle des décisions de Jev crée un nouveau rôle pour l'interprétabilité mécaniste : mesurer avec précision les directions des concepts pourrait aider à façonner les architectures des modèles.
the shift from autoregressive generation to #jev's parallel decision scoring suggests a new role for mechanistic interpretability. accurately measuring concept directions could help shape model architectures.
· 1 likesOpen on X
More like this
Prix, évaluations et origine du nom Jev
Le fil de lancement explique les évaluations de workflows code + AI, le prix d’entrée annoncé et les tokens de sortie gratuits.
Modèle Jev : génération de probabilités pour la décision, 200× plus rapide et 400× moins cher que les LLM
Ce modèle est conçu pour la prise de décision plutôt que la génération de texte, produisant des probabilités pour chaque option en parallèle au lieu de réponses token par token. L'auteur présente un exemple simplifié comparant les LLM classiques à ce modèle Jev.
