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'astrazione Noul/Score/Choice di Jev e i tipi di criterio di autorubric
L'autore ha esaminato Jev di TypeSafe AI e ha scoperto che usa un'astrazione simile ad autorubric, rilasciato 8 mesi prima, e che i suoi tipi di criterio corrispondono 1:1 a Noul/Score/Choice di Jev.
I spent some time investigating @typesafeai's Jev and striking to see them use a similar abstraction as autorubric -- released 8 months ago and to be presented at @COLM_conf next month. Our criterion types map 1:1 to Jev's Noul/Score/Choice: https://arxiv.org/abs/2603.00077
· 124 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.
