Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
IF differenziabile e logica tensoriale di Jev
Il post evidenzia due aspetti speciali di Jev: implementare la logica tensoriale senza chiamarla così, rendendo differenziabili gli argomenti IF, e non sprecare token di generazione su contesto noto.
There are two things that are special that Jev did 1. They are doing tensor logic but don’t call it that, which is that they make the args for your IF differentiable 2. They don’t waste gen tokens on context you know 1 is just telling you that true false needs a gradient to be
· 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.
