Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Confronto tra l'idea centrale di Jev e un precedente lavoro CUA
L'autore osserva che Jev è virale oggi, ma vede poca differenza tra la sua idea centrale di ottimizzare il token corretto sulle uscite candidate e il loro tentativo di due anni fa con un collaboratore di massimizzare la similarità tra stati e azioni CUA, ora incluso in MMEB-v3.
#Jev is viral today, but I don’t see much difference between its core idea of optimizing the correct token over candidate outputs (tell me if wrong) and our attempt two years ago with @DehanKong285793 to maximize the similarity between CUA states and actions. Now it's in MMEB-v3.
· 4 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.
