Jev와 텍스트 생성 모델의 차이
Jev는 자유 형식 텍스트를 생성하지 않습니다. Diogo는 병렬 의사결정과 토큰 단위 텍스트 생성의 차이를 비교 영상으로 설명합니다.
Jev, 새 클래스마다 데이터셋 없이 분류 가능
기존 분류는 고정된 클래스 집합마다 새 데이터셋을 만들고 학습해야 하지만, Jev는 이 과정을 우회해 데이터셋 생성이나 재학습 없이 새로운 클래스 집합을 지원한다고 설명한다.
This creativity and flexibility are what we need. Many think they can do normal classification but that requires creating a new dataset for every fixed set of classes. Jev bypass that process. We don’t have to create a dataset and train whenever we create a new set of classes
· 1 likesOpen on X
More like this
가격, 평가, 그리고 Jev 이름의 유래
출시 스레드는 code + AI 워크플로 평가, 출시 당시 입력 가격, 무료 출력 토큰을 설명합니다.
Jev 모델: 의사결정용 확률 생성, LLM보다 200배 빠르고 400배 저렴
이 모델은 텍스트 생성이 아닌 의사결정을 위해 설계되어, 토큰 단위 응답 대신 각 선택지의 확률을 병렬로 출력한다. 일반 LLM과 이 Jev 모델의 간단한 비교 예시를 제시한다.
