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.
Jev renvoie des probabilités sur des réponses prédéfinies
Le post explique que Jev prend un état, la situation actuelle, et des questions dont les réponses sont fixées à l'avance, puis renvoie des probabilités sur ces réponses. Les étiquettes sont définies par l'application, le modèle ne peut donc pas en inventer de nouvelles.
Jev takes a state, the current situation, plus questions whose answers you fix in advance. It returns probabilities over those answers. Your app defines the labels, so the model cannot invent new ones.
· 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.
