Jev jämfört med textgenererande modeller
Jev genererar inte fri text. En jämförelsevideo visar skillnaden mellan parallellt beslutsfattande och tokenvis textgenerering.
Diffusion LLM kan vara bättre lämpad för snabba beslutsmodeller av Jev-typ
Inlägget noterar att Jev inte kan generera kontinuerliga musklickkoordinater genom uppräkning, medan Diffusion LLM erbjuder starkare uttrycksförmåga vid liknande inferenshastighet, och förutspår en Computer på 50 mspt.
woc一语点醒梦中人，Google果真有高人在的，Diffusion LLM才是最适合Jev这种快速决策模型的架构，而且可以在保持推理速度相同的同时有比Jev这种模型更强的表达能力（比如要生成鼠标点击动作，Jev是没办法通过枚举选项生成连续点击坐标的，但是DLLM就可以） 过一段时间说不定就会有50 mspt 的Computer
· 0 likesOpen on X
More like this
Prissättning, utvärderingar och namnet Jev
Lanseringstråden förklarar utvärderingar av code + AI arbetsflöden, det annonserade inputpriset och gratis outputtokens.
Jev-modell: sannolikhetsgenerering för beslutsfattande, 200× snabbare och 400× billigare än LLM:er
Denna modell är byggd för beslutsfattande snarare än textgenerering och producerar sannolikheter för varje alternativ parallellt istället för token-för-token-svar. Författaren delar ett förenklat exempel på vanliga LLM:er kontra denna Jev-modell.
