Jev kontra modele generujące tekst
Jev nie generuje swobodnego tekstu. Film porównuje równoległe decyzje z generowaniem tekstu token po tokenie.
Miejsce Jev w pętli agenta: typowane trasowanie i kontrola ryzyka
Post przedstawia pięcioetapową pętlę agenta i umieszcza Jev jako typowaną warstwę do trasowania, bramkowania, oceny, ryzyka i pilności, mogącą ponownie sprawdzić przed destrukcyjnymi działaniami.
Where each belongs in an agent loop: 1. Observe state (ticket, tool args, logs, messages) 2. Jev — route / gate / score / risk / urgency (typed) 3. LLM — plan, write, debug, explain (open-ended) 4. Tools / APIs execute 5. Loop — Jev can re-check before destructive actions
· 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.
