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.
Ajuste o Jev aos seus critérios de decisão com GEPA
Richard Artoul compartilha uma demo de como usar o GEPA para ajustar o Jev, um modelo treinado apenas com dados sintéticos, aos seus critérios exatos de decisão manipulando o prompt e rotulando alguns exemplos.
cool demo on how to use GEPA to take an off the shelf model like Jev (trained only on synthetic data) and tune it to your exact decision criteria simply by manipulating the prompt and labeling a few examples you should follow Seth, he’s way ahead of the curve on AI functions
· 414 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.
