Jev kontra modele generujące tekst
Jev nie generuje swobodnego tekstu. Film porównuje równoległe decyzje z generowaniem tekstu token po tokenie.
Porównanie abstrakcji Noul/Score/Choice w Jev z typami kryteriów autorubric
Autor zbadał Jev od TypeSafe AI i stwierdził, że używa abstrakcji podobnej do wydanego 8 miesięcy wcześniej autorubric, a typy kryteriów odpowiadają 1:1 Noul/Score/Choice w Jev.
I spent some time investigating @typesafeai's Jev and striking to see them use a similar abstraction as autorubric -- released 8 months ago and to be presented at @COLM_conf next month. Our criterion types map 1:1 to Jev's Noul/Score/Choice: https://arxiv.org/abs/2603.00077
· 124 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.
