Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Compromessi tra JEV e classificatori rapidi: progettare flussi per contenere gli errori
L'autore sostiene che i programmi che classificano correttamente non necessitano di JEV; i classificatori economici e veloci commettono errori e, se inaccettabili, occorre progettare flussi con altri componenti per contenerli.
#JeV #ai大pk 小小研究看法： 會出錯的便宜快速分類器 程式能正確分類的就不用 JEV 錯誤如果是不可接受的, 要設計流程加入其他東西使錯誤收束
· 4 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.
