Jev kontra modele generujące tekst
Jev nie generuje swobodnego tekstu. Film porównuje równoległe decyzje z generowaniem tekstu token po tokenie.
Jev: ograniczone wyjście nie jest poprawnym wyjściem
Post wyjaśnia, że „zero halucynacji" wymaga kontekstu. Jev może odpowiadać tylko w ramach dozwolonych opcji, ale może wybrać złą. Prawdziwy wkład to specjalizacja: równoległe decyzje, natywne prawdopodobieństwa, niskie opóźnienie.
"Zero hallucinations" needs context. Jev can't produce an answer outside the allowed choices. It can still choose the wrong one. Constrained output, not correct output. Its real contribution is specialization: parallel decisions, native probabilities, low latency.
· 0 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.
