Jev เทียบกับโมเดลสร้างข้อความ
Jev ไม่สร้างข้อความแบบอิสระ วิดีโอเปรียบเทียบแสดงความต่างระหว่างการตัดสินใจแบบขนานกับการสร้างข้อความทีละโทเคน
จากการสร้างแบบ autoregressive สู่การให้คะแนนการตัดสินใจแบบขนานของ Jev: บทบาทใหม่สำหรับการตีความเชิงกลไก
โพสต์ชี้ให้เห็นว่าการเปลี่ยนจากการสร้างแบบ autoregressive ไปสู่การให้คะแนนการตัดสินใจแบบขนานของ Jev สร้างบทบาทใหม่สำหรับการตีความเชิงกลไก: การวัดทิศทางแนวคิดอย่างแม่นยำอาจช่วยกำหนดสถาปัตยกรรมของโมเดล
the shift from autoregressive generation to #jev's parallel decision scoring suggests a new role for mechanistic interpretability. accurately measuring concept directions could help shape model architectures.
· 1 likesOpen on X
More like this
ราคา การประเมิน และที่มาของชื่อ Jev
เธรดเปิดตัวอธิบายการประเมินเวิร์กโฟลว์ code + AI ราคาอินพุตตอนเปิดตัว และโทเคนเอาต์พุตฟรี
โมเดล Jev: การสร้างความน่าจะเป็นสำหรับการตัดสินใจ เร็วกว่า 200 เท่าและถูกกว่า 400 เท่าเมื่อเทียบกับ LLM
โมเดลนี้ออกแบบมาสำหรับการตัดสินใจแทนการสร้างข้อความ โดยสร้างความน่าจะเป็นสำหรับแต่ละตัวเลือกแบบขนาน แทนที่จะตอบทีละโทเค็น ผู้เขียนยกตัวอย่างเปรียบเทียบแบบง่ายระหว่าง LLM ทั่วไปกับโมเดล Jev นี้
