Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Modello Jev: decisioni tipizzate e distribuzioni di probabilità senza generazione di testo
Presenta le differenze chiave tra il modello Jev e gli LLM ordinari: nessuna interazione testuale, solo decisioni tipizzate e distribuzioni di probabilità, senza generazione o analisi del testo, e apprendimento per rinforzo per decisioni calibrate, con circa 1/400 della velocità di risposta e del costo.
打字的模型 Jev姐夫 横空出世跟普通大语言模型不一样，它不用文字交互，只输出类型化的决策和概率分布，没有文本生成，也没有解析，响应速度和价格是普通大模型的1/400，便宜到几乎可以忽略不计。因为普通大模型用的是人类反馈强化学习和 可验证奖励强化学习，姐夫用的是面向校准决策强化学习目标更纯
· 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.
