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 vérifie le résultat OCR avec MiniCPM-OCR
Le post indique que même un résultat OCR propre peut contenir des erreurs discrètes ; MiniCPM-OCR Jev compare la sortie à l'image d'origine et évalue sa précision, ce qui aide à décider ce qui mérite un examen plus approfondi.
A clean OCR result can still contain mistakes you won’t notice. What caught my attention here is MiniCPM-OCR Jev checking the output against the original image and scoring its accuracy. That gives you a way to decide what needs a closer look.
· 64 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.
