THE JEV GUIDE · CURATED EDITION
TypeSafe Jev से जुड़ी लॉन्च खबरें, व्याख्याएँ, डेमो और समुदाय प्रोजेक्ट विषय के अनुसार व्यवस्थित हैं। हर एंट्री X के मूल स्रोत से जुड़ती है।
चुनी हुई सूची · पूर्ण नहीं · मैनुअल अपडेट
01 / EXPLORE
0 means awaiting a verified post
यह पोस्ट Jev मॉडल का उपयोग करके 3D बिन पैकिंग समस्या को हल करने के प्रयोग का दस्तावेजीकरण करती है, जिसमें गणना समय, Jev कॉल की संख्या और लागत शामिल है, और बताया गया है कि सपोर्ट बाधाओं को अनदेखा करने से वस्तुएँ हवा में तैरती हैं।
AbdelStark ने LeJudge पेश किया, जो Jev को JEPA वर्ल्ड-मॉडल प्लानर के लूप में रखने वाला पहला प्रयोग है, जिसे LLM के बजाय एक निर्णय मॉडल द्वारा जज किया जाता है। यह 300 भविष्यों की कल्पना करता है और प्रोब हर एक को शब्दों में बदलते हैं।
यह पोस्ट Jev को संदर्भ के रूप में उपयोग करते हुए निर्णय मॉडल की तुलना और बेंचमार्क साझा करता है, जिसमें Hugging Face पर Jev Decision Index स्पेस का लिंक शामिल है। Link
लेखक रिपोर्ट करते हैं कि Qwen आउटपुट के 8 क्रमपरिवर्तनों का औसत KL त्रुटि को ~79% कम करता है, और सभी 720 क्रमपरिवर्तन ~97% तक, जबकि Jev केवल थोड़ा सुधार दिखाता है।
JEV की चर्चा से प्रेरित होकर लेखक शतरंज के बजाय MIT Moral Machine नैतिक दुविधा परीक्षण से JEV को परखने का सुझाव देते हैं।
बोस्टन हैकाथॉन में scRNAseq JEV अनुप्रयोग का प्रदर्शन, जो बायोइन्फॉर्मेटिशियन के लिए तेज़, सस्ते और अधिक संरचित निर्णय संभव बनाता है और संभवतः RL सिग्नल के रूप में कार्य कर सकता है। Link
उपयोगकर्ता बताता है कि समान रिज्यूमे पर Jev काले-सounding नामों के प्रति हल्का पक्षपात और एशियाई-सounding नामों के प्रति हल्का नकारात्मक रुझान दिखाता है; अंतर बहुत छोटा है लेकिन सांख्यिकीय रूप से महत्वपूर्ण प्रतीत होता है।
यह पोस्ट तर्क देती है कि Jev जैसा System One मॉडल तेज़ और सस्ता है, रीयल-टाइम इंटरैक्शन मॉडलिंग को सक्षम बनाता है, और LLM की तुलना में इसका आउटपुट स्पेस बहुत सीमित है, जो मानव सिमुलेशन में क्रांति ला सकता है।
हैरिसन किंस्ले ने GLM 5.3 Flash के साथ Jev और OpenJev की एक छोटी तुलना साझा की, और कहा कि 4B OpenJev आसानी से जीत जाता है।
ABM मॉडल में TypeSafeAI चलाकर Jev एजेंट्स के साथ Gode & Sunder / Smith डबल-नीलामी प्रयोगों की प्रतिकृति: ZI-C एजेंट्स तेज़ी से संतुलन पर पहुँचते हैं पर मूल्य विचरण अधिक होता है, जबकि Jev एजेंट्स मूल्य विचरण और बिड-आस्क स्प्रेड को कम करते हैं पर संतुलन अभिसरण धीमा रहता है।
पोस्ट के अनुसार, Jev ने गणित की एक लंबे समय से चली आ रही खुली समस्या हल की है।
Robert कहते हैं कि Jev अब hybrid001 के निर्माण और आगे के शोध में पूरी तरह शामिल है।