Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Costruire un reranker su Jev: confidenza calibrata come segnale di pruning e gating
Condivide l'esperienza nella costruzione di un reranker su Jev: una probabilità reale trasforma il punteggio in un segnale di pruning e gating, non solo un rank, e discute l'estensione della confidenza calibrata ai tipi primitivi.
Extending calibrated confidence to primitive types is the natural next step -- we saw the same shape building a reranker on Jev: a real probability turns the score into a prune-and-gate signal, not just a rank.
· 0 likesOpen on X
More like this
Prezzi, valutazioni e origine del nome Jev
Il thread di lancio spiega le valutazioni dei workflow code + AI, il prezzo di input annunciato e i token di output gratuiti.
Modello Jev: generazione di probabilità per le decisioni, 200× più veloce e 400× più economico degli LLM
Questo modello è progettato per il processo decisionale anziché la generazione di testo, generando probabilità per ogni opzione in parallelo invece di risposte token per token. L'autore condivide un esempio semplificato di confronto tra LLM normali e questo modello Jev.
