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 tranche le litige n° 241 : comment le code rédige la justification
La décision de Jev sur le litige n° 241 était Award Recipient, sans indicateurs d'incertitude, et quatre exécutions ont donné les mêmes chiffres à ±0,01 près. Comme Jev n'écrit aucun texte, l'auteur souligne que la justification est produite par le code : les questions sont écrites pour des humains, les réponses sont des nombres, et le code sait.
Jev's decision on dispute #241 was Award Recipient, with no uncertainty flags. Four runs gave the same numbers to ±0.01. Jev writes no text, so who writes the justification? The code does. Every question was written for humans, every answer is a number, and the code knows
· 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.
