Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
I modelli decisionali Jev affrontano la sfida del taglio dei dati di addestramento
Il post sottolinea che modelli decisionali come Jev devono risolvere il problema del taglio dei dati di addestramento, altrimenti le decisioni si basano su informazioni vecchie di oltre sei mesi, il che è cruciale per marketing, investimenti e altri scenari che richiedono dati in tempo reale.
Decision models like Jev have a real challenge to solve with training data cutoff. Otherwise the decisions rely on >6 month old information. This is a big deal for places where decisions need realtime data (marketing, investing, etc). For example, Jev estimates odds Navier
· 6 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.
