Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Sperimentare Jev di TypeSafe AI nel Playground: valutazione semantica tramite HEX/RGB
Test di Jev nel Playground: nascondere i nomi dei candidati Choice come option_a ecc. e fornire solo valori HEX/RGB per vedere se il modello li valuta semanticamente come colori. Se uno dei valori HEX o RGB di un candidato viene cambiato in rosso per creare contraddizione, la sua probabilità scende quasi a 0%; finora nessun chiaro bias HEX o RGB.
TypeSafe AIの #Jev を Playground で実験なう✨ Choice の候補名を option_a 等に隠してHEX/RGB だけ与えても、値を色として意味的に評価する様子。 例えば blue 候補の HEX か RGB の片方だけデータで赤に変えて矛盾させるとその候補確率はほぼ0%。 HEX優先／RGB優先の偏りは今のところなさそう🤔
· 5 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.
