Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Jev consente la classificazione senza nuovi dataset
Il post osserva che la classificazione tradizionale richiede di creare e addestrare un nuovo dataset per ogni insieme fisso di classi, mentre Jev aggira questo processo, supportando nuovi insiemi di classi senza creazione di dataset o riaddestramento.
This creativity and flexibility are what we need. Many think they can do normal classification but that requires creating a new dataset for every fixed set of classes. Jev bypass that process. We don’t have to create a dataset and train whenever we create a new set of classes
· 1 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.
