Jev kontra modele generujące tekst
Jev nie generuje swobodnego tekstu. Film porównuje równoległe decyzje z generowaniem tekstu token po tokenie.
Porównanie głównej idei Jev z wcześniejszą pracą CUA
Autor zauważa, że Jev jest dziś popularny, ale nie widzi dużej różnicy między jego główną ideą optymalizacji właściwego tokena wśród wyjść kandydujących a ich próbą sprzed dwóch lat z współpracownikiem maksymalizacji podobieństwa między stanami i akcjami CUA, obecnie uwzględnioną w MMEB-v3.
#Jev is viral today, but I don’t see much difference between its core idea of optimizing the correct token over candidate outputs (tell me if wrong) and our attempt two years ago with @DehanKong285793 to maximize the similarity between CUA states and actions. Now it's in MMEB-v3.
· 4 likesOpen on X
More like this
Cennik, ewaluacje i nazwa Jev
Wątek premierowy wyjaśnia ewaluacje przepływów code + AI, ogłoszoną cenę wejścia i darmowe tokeny wyjściowe.
Model Jev: generowanie prawdopodobieństw do podejmowania decyzji, 200× szybszy i 400× tańszy niż LLM
Model ten jest stworzony do podejmowania decyzji, a nie generowania tekstu; generuje prawdopodobieństwa dla każdej opcji równolegle zamiast odpowiedzi token po tokenie. Autor dzieli się uproszczonym przykładem porównania zwykłych LLM z tym modelem Jev.
