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.
Jev decide a disputa nº 241: como o código escreve a justificativa
A decisão do Jev sobre a disputa nº 241 foi Award Recipient, sem sinalizadores de incerteza, e quatro execuções deram os mesmos números com ±0,01. Como o Jev não escreve texto, o autor observa que a justificativa vem do código: as perguntas são escritas para humanos, as respostas são números e o código sabe.
Jev's decision on dispute #241 was Award Recipient, with no uncertainty flags. Four runs gave the same numbers to ±0.01. Jev writes no text, so who writes the justification? The code does. Every question was written for humans, every answer is a number, and the code knows
· 1 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.
