Jev 与文本生成模型的取舍
Jev 不生成自由文本。Diogo 用一段对比视频说明并行决策模型与逐字生成模型在任务形态上的差别。
Jev 在 FizzBuzz 测试中反复出错
用户对 Jev 进行 10,000 次 FizzBuzz 测试，发现 77% 的失败率，且几乎总是同一个数字，Jev 以 0.18-0.30 的置信度认为 56 能被 5 整除。
I ran Jev through FizzBuzz 10,000 times. And it failed 77% of the time, and almost always on the exact same number. For whatever reason, Jev seems to really think that the number 56 is divisible by 5, and it does so with a confidence between 0.18-0.30. I have no idea what it
· 0 次赞在 X 打开
更多类似内容
定价、评测与 Jev 名称的由来
发布线程继续解释 code + AI 的工作流评测，并给出当时的输入价格及免费输出说明。
Jev模型：面向决策的概率生成，比LLM快200倍、便宜400倍
该模型专为决策而非文本生成设计，并行输出各选项概率，而非逐token生成回复。作者给出普通LLM与该Jev模型的简化对比示例。
