THE JEV GUIDE · CURATED EDITION
Notizie di lancio, spiegazioni, demo e progetti della community su TypeSafe Jev, organizzati per argomento. Ogni voce rimanda alla fonte su X.
Selezione curata · Non esaustiva · Aggiornata manualmente
01 / EXPLORE
0 means awaiting a verified post
Questo post documenta un esperimento che utilizza il modello Jev per risolvere un problema di bin packing 3D, includendo tempo di calcolo, numero di chiamate a Jev e costo, e osserva che ignorare i vincoli di supporto porta a oggetti sospesi.
AbdelStark presenta LeJudge, il primo esperimento che inserisce Jev in un pianificatore di modelli del mondo JEPA, giudicato da un modello decisionale invece che da un LLM. Immagina 300 futuri e le sonde li trasformano in parole.
Questo post condivide un confronto e un benchmark di modelli decisionali usando Jev come riferimento, con un link allo spazio Jev Decision Index su Hugging Face. Link
L'autore riporta che la media di 8 permutazioni delle uscite di Qwen riduce l'errore KL di circa il 79%, e tutte le 720 permutazioni di circa il 97%, mentre Jev mostra solo un leggero miglioramento.
Ispirato dall'hype su JEV, l'autore propone di testarlo con il dilemma morale della Moral Machine del MIT invece degli scacchi.
Presentazione dell'applicazione JEV di scRNAseq a un hackathon a Boston, che offre decisioni più rapide, economiche e strutturate per i bioinformatici e potenzialmente come segnale RL. Link
L'utente osserva che, a parità di curriculum, Jev mostra una lieve preferenza per nomi dal suono nero e una lieve avversione per nomi dal suono asiatico; differenza molto piccola ma apparentemente statisticamente significativa.
Il post sostiene che un modello System One simile a Jev è più veloce ed economico, consente la modellazione di interazioni in tempo reale e ha uno spazio di output drasticamente limitato rispetto agli LLM, potendo rivoluzionare la simulazione umana.
Harrison Kinsley condivide un piccolo confronto giocattolo tra GLM 5.3 Flash con Jev e OpenJev, notando che il OpenJev da 4B vince facilmente.
Eseguire TypeSafeAI in modelli ABM per replicare gli esperimenti di doppia asta di Gode & Sunder / Smith con agenti Jev: gli agenti ZI-C raggiungono l'equilibrio più rapidamente ma con maggiore varianza dei prezzi, mentre gli agenti Jev comprimono la varianza dei prezzi e gli spread bid-ask al costo di una convergenza più lenta.
Secondo il post, Jev ha risolto un problema aperto di lunga data in matematica.
Robert afferma che Jev ora è pienamente coinvolto nella creazione e ricerca di hybrid001.