Jev tegenover tekstgenererende modellen
Jev genereert geen vrije tekst. Een video vergelijkt parallel beslissen met token voor token tekstgeneratie.
Een LLM vanaf de eerste principes bouwen met Jev: een op classificatie gebaseerde autoregressieve lus
De auteur bouwde een LLM vanaf de eerste principes met Jev: 29 ja/nee-vragen per teken voorspellen of de volgende toets a–z, spatie, komma of punt is; de hoogste waarschijnlijkheid wordt toegevoegd en teruggevoerd in de lus, wat een autoregressief proces van een classificator vormt.
i made an llm from first principles with Jev 29 yes/no questions per character: should the next key be a–z, space, comma, or period? highest probability gets append to it, then fed the updated text back in & repeat an autoregressive loop made out of a classifier
· 884 likesOpen on X
More like this
Prijs, evaluaties en de naam Jev
De launchthread legt code plus AI workflow evaluaties uit, de aangekondigde invoerprijs en gratis outputtokens.
Jev-model: waarschijnlijkheidsgeneratie voor besluitvorming, 200× sneller en 400× goedkoper dan LLM's
Dit model is gemaakt voor besluitvorming in plaats van tekstgeneratie en genereert waarschijnlijkheden voor elke optie parallel in plaats van token voor token antwoorden. De auteur deelt een vereenvoudigd voorbeeld van normale LLM's versus dit Jev-model.
