Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Il modello Jev spiegato: Choice, Score e Noul
Panoramica sul modello Jev di TypeSafe AI: Choice (selezionare un'opzione da un insieme definito), Score (valutare secondo livelli ordinati) e Noul (valutare un'affermazione sì/no), confrontati con il tipico approccio tokenizer di un LLM.
Jev by @typesafeai is all around the X, reddit, Linkedin Etc,. It has 3 elements Choice- Select one option from a defined set Score- Rate the state against ordered levels Noul- Evaluate a yes/no statement whereas a typical LLM Tokenizer-> Splits input text into discrete
· 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.
