Jev jämfört med textgenererande modeller
Jev genererar inte fri text. En jämförelsevideo visar skillnaden mellan parallellt beslutsfattande och tokenvis textgenerering.
Jevs differentierbara IF och tensorlogik
Inlägget lyfter två speciella aspekter av Jev: att implementera tensorlogik utan att kalla det så, vilket gör IF-argument differentierbara, och att inte slösa genereringstokens på känd kontext.
There are two things that are special that Jev did 1. They are doing tensor logic but don’t call it that, which is that they make the args for your IF differentiable 2. They don’t waste gen tokens on context you know 1 is just telling you that true false needs a gradient to be
· 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.
