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.
Modèle Jev : décisions typées et distributions de probabilité sans génération de texte
Présente les différences clés entre le modèle Jev et les LLM ordinaires : pas d'interaction textuelle, uniquement des décisions typées et des distributions de probabilité, sans génération ni analyse de texte, et un apprentissage par renforcement pour des décisions calibrées, avec environ 1/400 de la vitesse de réponse et du coût.
打字的模型 Jev姐夫 横空出世跟普通大语言模型不一样，它不用文字交互，只输出类型化的决策和概率分布，没有文本生成，也没有解析，响应速度和价格是普通大模型的1/400，便宜到几乎可以忽略不计。因为普通大模型用的是人类反馈强化学习和 可验证奖励强化学习，姐夫用的是面向校准决策强化学习目标更纯
· 0 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.
