Jev versus modelos de geração de texto
Jev não gera texto livre. Um vídeo lado a lado compara decisões paralelas com geração de texto token por token.
O modelo Jev explicado: Choice, Score e Noul
Uma visão geral do Jev, da TypeSafe AI: Choice (selecionar uma opção de um conjunto definido), Score (avaliar em níveis ordenados) e Noul (avaliar afirmações sim/não), comparando com a abordagem de tokenizador de um LLM típico.
Jev by @typesafeai is all around the X, reddit, Linkedin Etc,. It has 3 elements Choice- Select one option from a defined set Score- Rate the state against ordered levels Noul- Evaluate a yes/no statement whereas a typical LLM Tokenizer-> Splits input text into discrete
· 0 likesOpen on X
More like this
Preços, avaliações e o nome Jev
A thread de lançamento explica avaliações de fluxos code + AI, o preço de entrada anunciado e tokens de saída gratuitos.
Modelo Jev: geração de probabilidades para decisões, 200× mais rápido e 400× mais barato que LLMs
Este modelo é feito para tomada de decisão em vez de geração de texto, gerando probabilidades para cada opção em paralelo, em vez de respostas token a token. O autor compartilha um exemplo simplificado de LLMs normais versus este modelo Jev.
