Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Come funziona Jev: un classificatore stile encoder
Questo post offre un modo semplice per pensare a Jev: si comporta come un transformer solo encoder con una testa di classificazione. Stato e opzioni entrano, probabilità escono, in un singolo passaggio in avanti, senza generazione di testo o parsing.
Everyone is calling Jev a new kind of AI model. Here's the simpler way to think about it: Jev behaves exactly like an encoder-only transformer with a classification head. State goes in. Options go in. Probabilities come out. One forward pass. No text generation, no parsing, no
· 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.
