Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Jev decide la controversia n. 241: come il codice scrive la motivazione
La decisione di Jev sulla controversia n. 241 è stata Award Recipient, senza indicatori di incertezza, e quattro esecuzioni hanno prodotto gli stessi numeri con ±0,01. Poiché Jev non scrive testo, l'autore osserva che la motivazione è generata dal codice: le domande sono scritte per gli umani, le risposte sono numeri e il codice conosce il fondamento.
Jev's decision on dispute #241 was Award Recipient, with no uncertainty flags. Four runs gave the same numbers to ±0.01. Jev writes no text, so who writes the justification? The code does. Every question was written for humans, every answer is a number, and the code knows
· 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.
